Strategic importance of green water in international crop trade
Notice bibliographique
Résumé
Virtual water is the volume of water used to produce a commodity or service. By importing agricultural\ncommodities and the virtual water embedded in them, a country saves the water it would have required to\nproduce those commodities domestically. Virtual-water ‘trade’, thus, has the potential to relieve water stress and\nimprove water security.\nThe present research critically evaluates the strategic importance and implications of green water (soil water) in\nrelation to international crop trade. Even if, traditionally, emphasis has been given to irrigation systems, today\nmost global crop production is rain-fed. Besides having a lower opportunity cost, green water use for the\nproduction of crops is considered more sustainable than the use of blue water (irrigation). Although green water\nrepresents the largest share of virtual water in the international trade of agricultural commodities, with exports\ngoing from highly productive rain-fed rich countries towards generally blue water based ones, green water\nvolumes have rarely been estimated.\nThe present study corroborates that green water is by far the largest share of virtual water embodied in maize,\nsoybean and wheat exports from the USA, Canada, Australia and Argentina during the period 2000-2004.\nAccordingly, green virtual-water flows can play a major role in ensuring water security and saving water in\nwater-deficit economies. The potential of international green virtual-water ‘trade’ for saving water and\nimproving water security, however, is constrained by factors such as technology, the potential for further\nincreases in the productivity, the level of socio-economic development, national food policies and international\ntrade agreements.
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 | 0,000 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».