Systems Approach to Management of Water Resources—Toward Performance Based Water Resources Engineering
Notice bibliographique
Résumé
Global change, that results from population growth, global warming and land use change (especially rapid urbanization), is directly affecting the complexity of water resources management problems and the uncertainty to which they are exposed. Both, the complexity and the uncertainty, are the result of dynamic interactions between multiple system elements within three major systems: (i) the physical environment; (ii) the social environment; and (iii) the constructed infrastructure environment including pipes, roads, bridges, buildings, and other components. Recent trends in dealing with complex water resources systems include consideration of the whole region being affected, explicit incorporation of all costs and benefits, development of a large number of alternative solutions, and the active (early) involvement of all stakeholders in the decision-making. Systems approaches based on simulation, optimization, and multi-objective analyses, in deterministic, stochastic and fuzzy forms, have demonstrated in the last half of last century, a great success in supporting effective water resources management. This paper explores the future opportunities that will utilize advancements in systems theory that might transform management of water resources on a broader scale. The paper presents performance-based water resources engineering as a methodological framework to extend the role of the systems approach in improved sustainable water resources management under changing conditions (with special consideration given to rapid climate destabilization). An illustrative example of a water supply network management under changing conditions is used to convey the basic principles of performance-based water resources engineering methodology.
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 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 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».