MétaCan
Menu
Retour à la cohorte
Enregistrement W2788274012 · doi:10.3390/su10020410

Transfer of Virtual Water of Woody Forest Products from China

2018· article· en· W2788274012 sur OpenAlexaboutno aff
Kaisheng Luo, Fulu Tao, Juana P. Moiwo

Notice bibliographique

RevueSustainability · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Impact and Sustainability
Établissements canadiensnon disponible
Organismes subventionnairesStartup Foundation for Introducing Talent of Nanjing University of Information Science and TechnologyNational Key Research and Development Program of ChinaNanjing University of Information Science and Technology
Mots-clésVirtual waterChinaAgricultureInternational tradeAgricultural economicsWater transferGeographyRussian federationBusinessEnvironmental scienceEnvironmental protectionWater scarcityWater resource managementEconomicsRegional science

Résumé

récupéré en direct d'OpenAlex

Global freshwater resources are under increasing pressure. It is reported that international trade of water-intensive products (the so-called virtual water trade) can be used to ease global water pressure. In spite of the significant amount of international trade of woody forest products, virtual water of woody forest products (VWWFP) and the corresponding international trade are largely ignored. However, virtual water research has progressed steadily. This study maps VWWFP and statistically analyzes China’s official data for the period 1993–2014. The results show a rapid increase in the trend of VWWFP flow from China, reaching 7.61 × 1012 m3 or 3.48 times annual virtual water trade for agricultural products. The export and import volumes of China are respectively 1.27 × 1012 m3 and 6.34 × 1012 m3 for 1993–2014. China imported a total of 5.07 × 1012 m3 of VWWFP in 1993–2014 to lessen domestic water pressure, which is five times the annual water transfer via China’s South–North Water Transfer project. Asia and Europe account for the highest contribution (50.52%) to China’s import. Other contributors include the Russian Federation (16.63%), Indonesia (13.45%), Canada (13.41%), the United States of America (9.60%), Brazil (7.23%) and Malaysia (6.33%). China mainly exports VWWFP to Asia (47.68%), North America (23.24%), and Europe (20.01%). The countries which export the highest amount of VWWFP include the United States of America, Japan, Republic of Korea and Canada. Then the countries which import the highest amount of VWWFP include the Russian Federation, Canada, United States of America, and Brazil. The VWWFP flow study shows an obvious geographical distribution that is driven by proximity and traffic since transportation cost of woody forest products could be significant.

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)0,000
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 enseignants0,081
Score d'incertitude au seuil0,160

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
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 Opus0,004
Tête enseignante GPT0,217
Écart entre enseignants0,213 · 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

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetEnvironmental Impact and SustainabilityTravaux en français237 207