Water-energy-food nexus as a new approach for watershed resources management: a review
Notice bibliographique
Résumé
The Water-Energy-Food nexus (WEF) has been initially introduced in the international community as an adaptive management approach in response to climate change. This study aims to review and analyze the existing literature on WEF nexus approach at different scales and to suggest supplementary ideas for better applicability of WEF nexus framework in integrated watershed management. In terms of geographical distribution, the study covers Asia (Central, South, Southeast, and East), Australia, Africa (North, South, and East), North America (USA, Mexico, and Canada), South America (Brazil), Europe (UK, Italy, Germany, Spain, Sweden, and Greece), and Oceania.For this, 203 articles and documents were found dealing with WEF nexus. Interest over time in WEF nexus was examined from 2011 to 2019 in these regions. The review showed 10 articles had a close linkage with water–food, 49 with water-energy, 119 with water-energy-food, six with water-food-energy-ecosystems, five with water-energy-land-food, three with food-energy-environment, three with water-soil-waste and eight with climate. We propose ecosystem services and other important commodities like soil be considered in future nexus relevant studies. Towards this, the soil-water-energy-food (SWEF) nexus is introduced as a useful approach towards higher sustainability and adaptive management at the watershed scale.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».