Assessment of Water Productivity Enhancement and Sustainability Potential of Different Resource Conservation Technologies: A Review in the Context of Pakistan
Notice bibliographique
Résumé
Agriculture is the major economic sector in Asian countries and the majority of their population depends on it. In addition to the largest irrigation system in the Indus basin, Pakistan is suffering from water shortages that are affecting the overall crop production of the country. Different resource conservation technologies (RCTs) such as precision land leveling (PLL), raised bed planting (RBP), and different high-efficiency irrigation systems (HEISs) can be opted for better water productivity. In this study, the potential of these RCTs has been explored to enhance production and save irrigation water through their sustainable adoption. Based on studies by different researchers, water savings up to 47% and yield increases up to 35% have been reported under PLL, while water savings up to 50% and about 10–33% yield increases were observed under RBP. Similarly, under different HEISs, water savings up to 80% and yield increases up to 53% have been reported compared with crops sown under conventional farming. Based on the findings of the researchers regarding RCTs, these have been proved as progressive sowing techniques for better productivity under the limited available water scenario. The detailed review in this paper concludes that RCTs resulting in the improvement of gravity irrigation methods, viz., PLL and RBP, have a great potential of adoption and water productivity improvement at the regional scale in developing countries such as Pakistan, while high-cost HEISs can also be promoted at limited scale among progressive farmers for high-value agriculture.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».