CHNS Modeling for Study and Management of Human–Water Interactions at Multiple Scales
Notice bibliographique
Résumé
This paper presents basic definitions and challenges/opportunities from different perspectives to study and control water cycle impacts on society and vice versa. The wider and increased interactions and their consequences such as global warming and climate change, and the role of complex institutional- and governance-related socioeconomic-environmental issues bring forth new challenges. Hydrology and integrated water resources management (IWRM from the viewpoint of an engineering planner) do not exclude in their scopes the study of the impact of changes in global hydrology from societal actions and their feedback effects on the local/global hydrology. However, it is useful to have unique emphasis through specialized fields such as hydrosociology (including the society in planning water projects, from the viewpoint of the humanities) and sociohydrology (recognizing the large-scale impacts society has on hydrology, from the viewpoint of science). Global hydrological models have been developed for large-scale hydrology with few parameters to calibrate at local scale, and integrated assessment models have been developed for multiple sectors including water. It is important not to do these studies with a silo mindset, as problems in water and society require highly interdisciplinary skills, but flexibility and acceptance of diverse views will progress these studies and their usefulness to society. To deal with complexities in water and society, systems modeling is likely the only practical approach and is the viewpoint of researchers using coupled human–natural systems (CHNS) models. The focus and the novelty in this paper is to clarify some of these challenges faced in CHNS modeling, such as spatiotemporal scale variations, scaling issues, institutional issues, and suggestions for appropriate mathematical tools for dealing with these issues.
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 | 0,001 |
| 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 ».