Peak grain forecasts for the US High Plains amid withering waters
Notice bibliographique
Résumé
Irrigated agriculture contributes 40% of total global food production. In the US High Plains, which produces more than 50 million tons per year of grain, as much as 90% of irrigation originates from groundwater resources, including the Ogallala aquifer. In parts of the High Plains, groundwater resources are being depleted so rapidly that they are considered nonrenewable, compromising food security. When groundwater becomes scarce, groundwater withdrawals peak, causing a subsequent peak in crop production. Previous descriptions of finite natural resource depletion have utilized the Hubbert curve. By coupling the dynamics of groundwater pumping, recharge, and crop production, Hubbert-like curves emerge, responding to the linked variations in groundwater pumping and grain production. On a state level, this approach predicted when groundwater withdrawal and grain production peaked and the lag between them. The lags increased with the adoption of efficient irrigation practices and higher recharge rates. Results indicate that, in Texas, withdrawals peaked in 1966, followed by a peak in grain production 9 y later. After better irrigation technologies were adopted, the lag increased to 15 y from 1997 to 2012. In Kansas, where these technologies were employed concurrently with the rise of irrigated grain production, this lag was predicted to be 24 y starting in 1994. In Nebraska, grain production is projected to continue rising through 2050 because of high recharge rates. While Texas and Nebraska had equal irrigated output in 1975, by 2050, it is projected that Nebraska will have almost 10 times the groundwater-based production of Texas.
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 | 0,001 | 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 ».