MétaCan
Menu
Retour à la cohorte
Enregistrement W2758355183 · doi:10.1088/1748-9326/aa8ac0

Dry groundwater wells in the western United States

2017· article· en· W2758355183 sur OpenAlexaff
Debra Perrone, Scott Jasechko

Notice bibliographique

RevueEnvironmental Research Letters · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensUniversity of Calgary
Organismes subventionnairesS. D. Bechtel, Jr. Foundation and Stephen Bechtel Fund
Mots-clésGroundwaterAgricultureWater wellWater resource managementHydrology (agriculture)ProductivityEnvironmental scienceWater scarcityGeographyGeologyArchaeology

Résumé

récupéré en direct d'OpenAlex

Declining groundwater levels are common in parts of the western US, but their impact on the ability of wells to pump groundwater is not known. Here we collate groundwater well records for the western United States and present the recorded locations, depths, and purposes of more than two million groundwater wells constructed between 1950 and 2015. We then use the well records to estimate the percentage of wells that were dry during the years 2013–2015. During the two year period, dry wells were concentrated in rural areas with high agricultural productivity, such as parts of the California Central Valley and the High Plains. Our results support anecdotal evidence that wells used for domestic purposes are more susceptible to drying than wells used for agricultural purposes throughout California's Central Valley because the former tend to be shallower. However, this is not the case in all regions. Our findings suggest that declining groundwater levels are threatening drinking water reliability and agricultural productivity, and consequently, have key implications for both domestic and agricultural water security. Ongoing reductions to groundwater storage are drying groundwater wells in the western US, and this manifestation of water scarcity warrants innovative groundwater management transcending status quos.

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 enseignants0,148
Score d'incertitude au seuil0,295

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
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,027
Tête enseignante GPT0,257
Écart entre enseignants0,230 · 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

Citations118
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Research LettersMême sujetWater resources management and optimizationTravaux en français237 207