MétaCan
Menu
Retour à la cohorte
Enregistrement W2586617990 · doi:10.2495/safe-v6-n4-764-776

The Socio-Ecological analytical framework of water scarcity in rafsanjan township, Iran

2016· article· en· W2586617990 sur OpenAlexvenueno aff
Sara Mehryar, Richard Sliuzas, Ali Mohammad Sharifi, M.F.A.M. van Maarseveen

Notice bibliographique

RevueInternational Journal of Safety and Security Engineering · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScarcityWater scarcityWater resource managementEnvironmental planningEcologyEnvironmental scienceWater resourcesEconomicsBiology

Résumé

récupéré en direct d'OpenAlex

Ground water scarcity is a main socio-ecological challenge in the Middle East.While ground water reserves seem vast, the impacts of over-exploitation and inadequate control over water consumption may threaten the sustainability of aquifers.The signs of aquifer depletion and its influence on water accessibility have become apparent in recent years.Using the case of Rafsanjan Township, Iran, this study aims to understand the socio-ecological factors and their inter-relationships in driving and exacerbating the water crisis situation, the ongoing policy responses and the possible consequences of current trends.The Drivers, Pressures, State, Impacts and Responses (DPSIR) framework, developed by the European Environmental Agency in 1999, is used to analyze the components of the socio-ecological system.Inputs are generated through a time series analysis of Landsat images, extracted spatial datasets, secondary literature and government reports.This study illustrates the conflict between rapid economic development policies that have simulated the expansion of pistachio orchards on the one hand and sustainable water resource management on the other.Some responses based on a long-term socio-ecological resilient planning approach may provide a more sustainable perspective, but will require a substantial rethinking of current policies, improved water management practices, and additional research.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,046
Score d'incertitude au seuil0,091

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,008
Tête enseignante GPT0,209
Écart entre enseignants0,201 · 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

Citations13
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Safety and Security EngineeringMême sujetWater resources management and optimizationTravaux en français237 207