Conjunctive Water Management for Agriculture With Groundwater Salinity
Notice bibliographique
Résumé
Abstract Salt accumulations in aquifers significantly affect and transform the conjunctive use of surface water and groundwater supporting irrigated agriculture. Salt accumulates in aquifers under many semi‐arid irrigated lands where pumping has lowered water levels enough to prevent drainage of saline groundwater from the basin. This paper provides new insights into optimal conjunctive management of groundwater pumping, recharge, surface water, and cropping patterns with groundwater salinity and hydrologic variability in an irrigated semi‐arid region, such as California's western San Joaquin Valley, reducing agricultural crop yields and revenues. A two‐stage stochastic quadratic model explores this problem to prescribe economically optimal crop mix and conjunctive water operation policies over a 10‐year period with probabilistic annual surface water availability, considering groundwater salinity's harm to crop yields. At low groundwater salinity, agricultural conjunctive use usually pumps most groundwater in drier years, supplied by additional recharge in wetter years. In contrast, at higher groundwater salinity, optimal conjunctive use pumps less in drier years while pumping more in wetter years, when more surface water allows more dilution of saltier groundwater. Reduced pumping in drier years substantially reduces a region's ability to support higher‐value perennial crops and reduces or eliminates lower‐value annual crops in dry years. Artificial recharge with fresh surface water in wetter years can have economic value from slowing groundwater salination which allows more groundwater use in drier years.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».