Hydrological and productive impacts of recent land‐use and land‐cover changes in the semiarid Chaco: Understanding novel water excess in water scarce farmlands
Notice bibliographique
Résumé
Abstract Over the last decades, the rapid replacement of native forests by crops and pastures in the Argentinean semiarid Chaco plains has triggered unprecedented groundwater level raises resulting from deep drainage increases, leading to the first massive waterlogging event on records (~25,000 Ha flooded in 2015 near Bandera, one of the most cultivated clusters of the Chaco). In this paper, we link this episode to the ongoing deforestation and cropping scheme shifts through the combined analysis of remote sensing data, agricultural surveys, local farmer information and hydrologic modelling. From 2000 to 2015, the agricultural area of Bandera increased from 21% to 50%, mostly at the expense of dry forests. In this period, agriculture migrated from more intensive (i.e., double‐cropping) to more water‐conservative (i.e., late‐summer single crops) schemes as a general strategy to reduce drought risks. These changes reduced regional evapotranspiration and increased the intensity of deep drainage in wet years. Contrasting cropping schemes displayed significant evapotranspiration differences, but all of them experienced substantial drainage losses (~100–200 mm) during the wettest year (2014/2015), suggesting that cropping adjustments have a limited capacity to halt the generation of water excesses. Nearly 50% of the cropped area in Bandera could not be sown or harvested following the groundwater recharge event of 2014/2015. In the ongoing context of shallow and rising water tables, the introduction of novel cropping schemes that include deep‐rooted perennials, to promote transpirative groundwater discharge, seems crucial to avoid the recurrence of water excesses and their associated dryland salinity risk in the region.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».