MétaCan
Menu
Retour à la cohorte
Enregistrement W2760559022 · doi:10.2495/sdp-v13-n3-445-456

Impact of groundwater salinity on agricultural productivity with climate change implications

2018· article· en· W2760559022 sur OpenAlexfundvenueno aff
M. El‐Fadel, Tanya Deeb, Ibrahim Alameddine, Rami Zurayk, Jad Chaaban

Notice bibliographique

RevueInternational Journal of Sustainable Development and Planning · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGroundwater and Isotope Geochemistry
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research CentreUnited States Agency for International Development
Mots-clésClimate changeGroundwaterEnvironmental scienceAgricultureProductivitySalinityAgricultural productivityWater resource managementNatural resource economicsGeographyGeologyEconomicsGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

This study examines the impacts of increased salinity on agricultural productivity and groundwater use for irrigation with the aim to cope with overexploitation associated with potential climate change impacts. For this purpose, a farmers' field survey was conducted at a pilot plain with banana plantations partially irrigated with saline groundwater. The economic burden of increased salinity was examined using a crop-water production function relating water salinity and yield with production cost and selling prices. Current production rates in low salinity plots were greater than those in high salinity plots by an average of 25%, representing the salinity burden incurred by farmers. We close with highlighting mitigation measures and adaptation strategies under potential future climatic changes that are expected to exacerbate irrigation with high salinity groundwater.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,007
Score d'incertitude au seuil0,222

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,024
Tête enseignante GPT0,262
Écart entre enseignants0,239 · 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 tête enseignante, 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

Citations24
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sustainable Development and PlanningMême sujetGroundwater and Isotope GeochemistryTravaux en français237 207