Rainwater harvesting for restoring degraded dry agro-pastoral ecosystems: a conceptual review of opportunities and constraints in a changing climate
Notice bibliographique
Résumé
Water resources in dry environments are becoming scarcer, especially under the changing climate. In response, rainwater harvesting (RWH) is being reemphasized with calls to revive the practice. Ancient knowledge on RWH — mainly the collection through runoff, storage, and use of rainwater for various purposes — is still relevant, especially for dry environments. However, many old practices and technologies may not be suitable or feasible for the present and future. Little has been done to modernize and (or) develop new practices and technologies based on ancient indigenous knowledge. Modernizing old practices or developing new ones and using them in integrated rangelands restoration packages with enabling policy environment can unlock their potential in many water-scarce regions of the world. This paper reviews the state-of-the-art of micro-catchment rainwater harvesting (MIRWH) in dry environments and discusses the opportunities available and the major obstacles faced in using it to restore degraded agro-pastoral ecosystems and support their sustainability. The review highlights the knowledge behind it, the practices developed over the years, and their relevance to today and the future. The paper indicates areas of modernization that can make it more feasible for the future of the dry environments, especially their role in mitigating and adapting to climate change. Conventional and passive approaches to restoring/rehabilitating degraded dry agro-pastoral ecosystems are either too slow to show an obvious impact or not progressing satisfactorily. One main reason is that, because of land degradation, the majority of rain falling on such ecosystems and needed for revegetation is lost with little benefit being gained. Adopting a more progressive intervention to alter the processes of degradation and move towards new system equilibrium is required. MIRWH can enable a large portion of this otherwise lost rainwater to be stored in the soil, and, if used in an integrated packages including suitable plant species and sound grazing management, it may support meaningful vegetation growth and help system restoration. The Badia Benchmark project, implemented by ICARDA in Jordan and Syria, has demonstrated the potential for adoption at large scale in similar environments. This case study illustrates the potential and the constraints of this practice.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».