MétaCan
Menu
Retour à la cohorte
Enregistrement W2974437473 · doi:10.1680/jenes.19.00029

Wastewater reuse in Jordan and its potential as an adaptation measure to climate change

2019· article· en· W2974437473 sur OpenAlexvenueno aff
Hani Abu Qdais, Fayez Abdulla, Anna I. Kurbatova

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater-Energy-Food Nexus Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWastewaterReuseEnvironmental scienceIrrigationWater scarcityAgricultureClimate changePer capitaWater resourcesWater resource managementResource (disambiguation)Sewage treatmentNatural resource economicsEnvironmental engineeringWaste managementGeographyEcologyEconomicsEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

Reclaiming wastewater for reuse in agriculture is increasingly adopted by many countries around the globe. This is particularly true for Jordan, which is characterised as a water-scarce country where the per-capita share from renewable water resources is less than 100 (m 3 /capita)/year. The Third National Jordanian Communication report on climate change has estimated a significant decrease in precipitation of 1·2 mm/year and an increase in the mean air temperature by 0·02°C/year, which will be adversely reflected on the water resources potential. To bridge the gap between water resources, supply potential and the demand, Jordan utilises non-conventional water resources, such as wastewater reuse in irrigation, where agriculture accounted for 52% of the water use in the country in 2017. The main objective of the present paper is to update the Jordanian experience in wastewater reuse and to explore its potential as an adaptive measure to climate change. The analysis revealed that 92% of the treated wastewater has been reused either directly or indirectly, mainly for irrigation. Treated wastewater can be considered as an adaptation measure to climate change that is capable of reducing the deficit between demand and water resource potential up to 48% by the year 2025.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,876
Score d'incertitude au seuil0,394

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,001
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 Opus0,011
Tête enseignante GPT0,188
Écart entre enseignants0,177 · 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'étudeExpérimental (laboratoire)
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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetWater-Energy-Food Nexus StudiesTravaux en français237 207