MétaCan
Menu
Retour à la cohorte
Enregistrement W2560534069 · doi:10.1073/pnas.1614342113

Impact of the Syrian refugee crisis on land use and transboundary freshwater resources

2016· article· en· W2560534069 sur OpenAlexaff
Marc F. Müller, Jim Yoon, Steven M. Gorelick, Nicolas Avisse, Amaury Tilmant

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTransboundary Water Resource Management
Établissements canadiensUniversité Laval
Organismes subventionnairesSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNational Science Foundation
Mots-clésRefugeeGeographyAgricultureWater resourcesWatershedMiddle EastLand useAgricultural landAbandonment (legal)Water resource managementHydrology (agriculture)Environmental scienceArchaeologyGeologyPolitical scienceEcology

Résumé

récupéré en direct d'OpenAlex

Since 2013, hundreds of thousands of refugees have migrated southward to Jordan to escape the Syrian civil war that began in mid-2011. Evaluating impacts of conflict and migration on land use and transboundary water resources in an active war zone remains a challenge. However, spatial and statistical analyses of satellite imagery for the recent period of Syrian refugee mass migration provide evidence of rapid changes in land use, water use, and water management in the Yarmouk-Jordan river watershed shared by Syria, Jordan, and Israel. Conflict and consequent migration caused ∼50% decreases in both irrigated agriculture in Syria and retention of winter rainfall in Syrian dams, which gave rise to unexpected additional stream flow to downstream Jordan during the refugee migration period. Comparing premigration and postmigration periods, Syrian abandonment of irrigated agriculture accounts for half of the stream flow increase, with the other half attributable to recovery from a severe drought. Despite this increase, the Yarmouk River flow into Jordan is still substantially below the volume that was expected by Jordan under the 1953, 1987, and 2001 bilateral agreements with Syria.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,316
Écart entre enseignants0,273 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations134
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of SciencesMême sujetTransboundary Water Resource ManagementTravaux en français237 207