MétaCan
Menu
Retour à la cohorte
Enregistrement W4205130699 · doi:10.3390/w14030307

Sustainable Surface Water Storage Development: Measuring Economic Benefits and Ecological and Social Impacts of Reservoir System Configurations

2022· article· en· W4205130699 sur OpenAlexaff
Nishadi Eriyagama, Vladimir Smakhtin, Lakshika Udamulla

Notice bibliographique

RevueWater · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensUnited Nations University Institute for Water, Environment, and Health
Organismes subventionnairesnon disponible
Mots-clésStructural basinDrainage basinEnvironmental scienceHydrology (agriculture)Sustainable developmentWater resource managementPopulationWater resourcesGeographyEcologyGeologyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

This paper illustrates an approach to measuring economic benefits and ecological and social impacts of various configurations of reservoir systems for basin-wide planning. It suggests indicators and examines their behavior under several reservoir arrangement scenarios using two river basins in Sri Lanka as examples. A river regulation index is modified to take into account the volume of flow captured by reservoirs and their placement and type. Indices of connectivity illustrate that the lowest river connectivity in a basin results from a single new reservoir placed on the main stem of a previously unregulated river between the two locations that command 50% and 75% of the basin area. The ratio of the total affected population to the total number of beneficiaries is shown to increase as the cumulative reservoir capacity in a river basin increases. An integrated index comparing the performance of different reservoir system configurations shows that while results differ from basin to basin, the cumulative effects of a large number of small reservoirs may be comparable to those with a few large reservoirs, especially at higher storage capacities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,173
Écart entre enseignants0,160 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetWater resources management and optimizationTravaux en français237 207