MétaCan
Menu
Retour à la cohorte
Enregistrement W2805030611 · doi:10.5539/jsd.v11n3p23

Water Security and Local People Sensitivity to Climate Variability and Change Among Coastal Communities in Zanzibar

2018· article· en· W2805030611 sur OpenAlexvenueno aff
Makame Omar Makame, Richard Y. M. Kangalawe

Notice bibliographique

RevueJournal of Sustainable Development · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change, Adaptation, Migration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRainwater harvestingWater supplyEnvironmental scienceWater qualityWater resource managementWater securityVulnerability (computing)AgricultureWater resourcesClimate changeSurface runoffWater scarcityIrrigationGeographyOceanographyEcologyEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

This paper presents one part of a larger, multidimensional study on the vulnerability of Zanzibar coastal communities to climate change and other stressors, focusing on water insecurity in two sites on the Zanzibar coast. Water security is composed of three components, namely water availability, water accessibility and the quality of available water. Findings from the study showed that water from wells is the major source of household water since tap water supply is often erratic. Farming systems are completely rain-fed, while some livestock owners use coral caves as the main source of water for their animals. Water quality is a major challenge along the coast as the majority of wells and coral caves in the study sites contain hard water with varying levels of salinity. A diversity of physical and social factors such as variability in water supply infrastructure, settlement structure, poverty, geology and geohydrology, variability in supply and poor water resource management adversely interact with local climate phenomena such as sea level rise, salt water incursion and drought to intensify water insecurity along the Zanzibar coast. Among the policy options to address these challenges would be to promote rainwater harvesting and increased utilisation of underground water for irrigation in the dry areas in order to increase agricultural production and reduce poverty.

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)0,006
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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,298
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
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 Opus0,039
Tête enseignante GPT0,279
Écart entre enseignants0,240 · 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'étudeQualitatif
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

Citations11
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetClimate Change, Adaptation, MigrationTravaux en français237 207