Characterization of Chyulu Hills Watershed Ecosystem Services in South-Eastern Kenya
Notice bibliographique
Résumé
<p class="1Body">Water is an important good provided by watersheds and is critical in sustaining life and socio-economic development. This study evaluated water provision in the Chyulu Hills watershed which is one of the important dry land water catchments in Kenya. Surface water discharge was mainly through rivers and springs with the latter being more prevalent than the former while ground water provision was primarily through boreholes and shallow wells. Springs discharged the highest water volume annually estimated at 128.14million m<sup>3</sup> or 85.14% of all the water discharged in the watershed, with shallow wells and boreholes discharging the least water. For all the springs found in the watershed, Mzima springs discharged the highest water volume estimated at nearly 113.15 million m<sup>3</sup> annually or 88.30% of the water produced by all the springs; and about 75.19% of the water in the entire watershed. Rivers which were active had a total water discharge of about 20.66million m<sup>3</sup> per year, with Kibwezi River discharging 17.59 million m<sup>3</sup> annually or 85.14% of all the water from rivers. Shallow wells were mainly prevalent at Nthongoni and the Makindu, and their annual water discharge was about 16.96million m<sup>3</sup> per year with boreholes contributing 98.87% (approximately 16.76 million m<sup>3</sup>/yr.) of the ground water, and the rest (19,169.92m<sup>3</sup>/yr.) being contributed by shallow wells. The total amount of water discharged in the watershed by the combined water source types was about 150.49 million m3/yr.</p>
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».