MétaCan
Menu
Retour à la cohorte
Enregistrement W2789261660 · doi:10.5539/enrr.v8n1p105

Application of an Optimization Model for Assessing the Performance of Water Appropriation in Iraq

2018· article· en· W2789261660 sur OpenAlexvenueno aff
Ahmed A. Aljanabi, Larry W. Mays, Peter Fox

Notice bibliographique

RevueEnvironment and Natural Resources Research · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensnon disponible
Organismes subventionnairesNew Mexico State UniversityArizona State University
Mots-clésAppropriationIrrigationEnvironmental scienceWater resourcesWater resource managementWater scarcityWater supplyProfitability indexEconomic shortageBusinessEnvironmental engineeringAgronomyEcologyBiology

Résumé

récupéré en direct d'OpenAlex

The magnitude of water resources shortages in the Middle East represents an important factor in the stability of the region and it is a vital element in protecting sustained economic development in the region. This investigation addresses the ongoing challenge of water governance in Iraq by examining how profitability, at both the farm and basin levels, is affected by various water appropriation systems. Farmland irrigation in Iraq was evaluated using three water appropriation systems; upstream (UPR), downstream (DPR) and proportional (PSR) sharing rule. Their impacts on farm income under normal, dry, and drought water supply scenarios were evaluated using an irrigation water model coupled with a nonlinear programming (NLP) optimization model. As compared to UPR, PSR provided a 32% and 75% increase in total farm income for the Tigris River under dry and drought supply conditions, respectively. As compared to DPR, PSR provided a 47% and 83.5% increase in total farm income for the Euphrates River under dry and drought supply conditions, respectively.

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)0,001
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 enseignants0,053
Score d'incertitude au seuil0,163

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,018
Tête enseignante GPT0,266
Écart entre enseignants0,247 · 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

Citations7
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and Natural Resources ResearchMême sujetWater resources management and optimizationTravaux en français237 207