MétaCan
Menu
Retour à la cohorte
Enregistrement W2808449975 · doi:10.3138/cpp.2017-003

Managing Drought Risk in the Okanagan: A Role for Dry-Year Option Contracts?

2018· article· en· W2808449975 sur OpenAlexaffvenue
John Janmaat, Nargiz Rahimova

Notice bibliographique

RevueCanadian Public Policy · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésWater scarcityHedgeBusinessWater tradingWater useSustainabilityRisk managementWater resourcesNatural resource economicsWater resource managementWater conservationEnvironmental scienceEconomicsFinanceEcology

Résumé

récupéré en direct d'OpenAlex

Although markets have proven effective at moving scarce water to high-value uses, the potential economic efficiency gains are often insufficient to convince water users to accept more market-oriented water allocation mechanisms. Water users in the semi-arid areas of British Columbia, including the Okanagan basin, are deeply concerned about the potential negative impacts of water markets. With drought risk rather than chronic water scarcity as the primary water management challenge, water users' concerns are reasonable. Dry-year option contracts may capture some of the benefits of market-based instruments without the risk implications of conventional water markets. Dry-year water option contracts are financial instruments that water-sensitive users can use to hedge themselves against drought impacts, and if appropriately managed through a water supplier, they may be an efficiency-enhancing alternative to crop insurance. We argue that with appropriate support, dry-year option contracts can be a useful low-cost tool to mitigate drought impacts in semi-arid regions of British Columbia. Such contracts may enable the innovative local water management solutions envisioned in British Columbia's recently enacted Water Sustainability Act.

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)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,836
Score d'incertitude au seuil0,327

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,002
Communication savante0,0060,004
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,008
Tête enseignante GPT0,201
Écart entre enseignants0,193 · 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'étudeThéorique ou conceptuel
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'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Public PolicyMême sujetWater resources management and optimizationTravaux en français237 207