Evolution of China's water footprint and virtual water trade: A global trade 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
Water embodied in traded commodities is important for water sustainability management. This study provides insight into China's water footprint and virtual water trade using three specific water named Green, Blue and Grey. A multi-region input-output analysis at national and sectoral analysis levels from the years 1995 to 2009 is conducted. The evolution and position of China's virtual water trade across a global supply chain are explored through cluster analysis. The results show that China represented 11.2% of the global water footprint in 1995 and 13.6% in 2009. The green virtual water is the largest of China's exports and imports. In general, China is a net exporter of virtual water during this time period. China mainly imports virtual water from the USA, India and Brazil, and mainly exports virtual water to the USA, Japan and Germany. The agriculture sector and the food sector represent the sectors with both the largest import and export virtual water quantities. China's global virtual water trade network has been relatively stable from 1995 to 2009. China has especially close relationships with the USA, Indonesia, India, Canada, Mexico, Brazil and Australia. Trade relations, resource endowment and supply-demand relationships may play key roles in China's global virtual water footprint network rather than geographical location. Finally, policy implications are proposed for China's long term sustainable water management and for global supply chain management in general.
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 | 0,000 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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