MétaCan
Menu
Retour à la cohorte
Enregistrement W2767303647 · doi:10.3390/su9112022

Modelling Interactions between Land Use, Climate, and Hydrology along with Stakeholders’ Negotiation for Water Resources Management

2017· article· en· W2767303647 sur OpenAlexaff
Babak Farjad, Majeed Pooyandeh, Anil Gupta, Mohammad Motamedi, Danielle J. Marceau

Notice bibliographique

RevueSustainability · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensUniversity of CalgaryAlberta Environment and Protected Areas
Organismes subventionnairesnon disponible
Mots-clésNegotiationComputer scienceEnvironmental resource managementNatural resource managementWater resourcesLand useLand coverHydrological modellingResource management (computing)Hydrology (agriculture)Environmental scienceNatural resourceEngineeringCivil engineeringEcologyDistributed computingGeology

Résumé

récupéré en direct d'OpenAlex

This paper describes the main functionalities of an integrated framework to model the interactions between land use, climate, and hydrology along with stakeholders’ negotiation. Its novelty lies in the combination of individual-based and spatially distributed models within the Socio-Hydrology paradigm to capture the complexity and uncertainty inherent to these systems. It encompasses a land-use/land-cover cellular automata model, an agent-based model used for automated stakeholders’ negotiation, and the hydrological MIKE SHE/MIKE 11 model, which are linked and can be accessed through a web-based interface. It enables users to run simulations to explore a wide range of scenarios related to land development and water resource management while considering the reciprocal influence of human and natural systems. This framework was developed with the involvement of key stakeholders from the initial design stage to the final demonstration and validation.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,131
Score d'incertitude au seuil0,405

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 savante0,0000,001
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 Opus0,034
Tête enseignante GPT0,236
Écart entre enseignants0,202 · 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'étudeSimulation ou modélisation
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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetWater resources management and optimizationTravaux en français237 207