Geospatial mapping of biomass supply and demand for household energy management in Nepal
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper presents a geospatial mapping model for assessing spatial distribution and demand of biomass sources for household energy use in Nepal. In the context of rural households, correlation between supply and demand of biomass is crucial for designing effective rural energy programs. Three districts were considered to represent the country's main topographical regions: lowlands, hills, and mountains, where geospatial distribution and demand of biomass are different. The supply potential of fuelwood was assessed using Geographical Information System (GIS) tool, and the potential of crop residues and dung and household energy demands were determined by field surveys and experiments. The results showed that households with secure access to biomass sources in lowlands, hills and mountains were 57%, 50% and 3% respectively. In lowlands, crop residues and dung were extensively used due to lack of forest biomass, whereas forest biomass was extensively used in hills and mountains, with negligible use of crop residues and animal dung. The results indicate that use of improved cooking stoves and biogas was negligible and thus cleaner biomass energy conversion and cooking technologies are needed to achieve universal target of clean cooking for all. The GIS model provided better estimation of biomass energy supply potential in the communities, which is crucial in the design of energy policies for sustainable clean cooking solutions. It is anticipated that this geospatial mapping model is also applicable to the cases of other developing countries, which have dominant biomass consumption for household energy use.
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.
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 découle