Evaluating Water Use for Agricultural Intensification in Southern Amazonia Using the Water Footprint Sustainability Assessment
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We performed a Water Footprint Sustainability Assessment (WFSA) in the Xingu Basin of Mato Grosso (XBMT), Brazil, with the objectives of (1) tracking blue (as surface water) and green water (as soil moisture regenerated by precipitation) consumption in recent years (2000, 2014); and (2) evaluating agricultural intensification options for future years (2030, 2050) considering the effects of deforestation and climate change on water availability in the basin. The agricultural sector was the largest consumer of water in the basin despite there being almost no irrigation of cropland or pastures. In addition to water use by crops and pasture grass, water consumption attributed to cattle production included evaporation from roughly 9463 ha of small farm reservoirs used to provide drinking water for cattle in 2014. The WFSA showed that while blue and green water consumptive uses were within sustainable limits in 2014, deforestation, cattle confinement, and the use of irrigation to increase cropping frequency could drive water use to unsustainable levels in the future. While land management policies and practices should strive for protection of the remaining natural vegetation, increased agricultural production will require reservoir and irrigation water management to reduce the potential threat of blue water scarcity in the dry season. In addition to providing general guidance for future water allocation decisions in the basin, our study offers an interpretation of blue and green water scarcities with changes in land use and climate in a rapidly evolving agricultural frontier.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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