MétaCan
Menu
Retour à la cohorte
Enregistrement W4307377441 · doi:10.2166/aqua.2022.126

Comparison of bankruptcy methods in the operation management of the Karkheh River Basin to allocate more water to the Hawr-Al-Azim Wetland

2022· article· en· W4307377441 sur OpenAlexaff
Nima Pournabi, Somaye Janatrostami, Afshin Ashrafzadeh, Kourosh Mohammadi

Notice bibliographique

RevueJournal of Water Supply Research and Technology—AQUA · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensHydro One (Canada)Arcadis (Canada)
Organismes subventionnairesnon disponible
Mots-clésBankruptcyWetlandAgricultureWater resource managementEnvironmental scienceCurrent (fluid)Drainage basinStructural basinBusinessAgricultural engineeringGeographyGeologyFinanceEngineeringEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Bankruptcy methods are straightforward practical methods to address the problem of allocating limited sources of water to different users in regions where claims exceed assets. In the present study, three levels of restoration for the Hawr-Al-Azim wetland (35, 50, and 100%) and two agricultural-related scenarios, maintaining the current cultivation area and decreasing the area under cultivation, were considered and assessed using classical bankruptcy methods. The results showed that, because of climatic conditions and agricultural demands, full wetland restoration was out of reach and led to minimum satisfaction levels for agricultural beneficiaries. The results also showed that the modified bankruptcy method led to the highest satisfaction levels for beneficiaries in the scenario of maintaining the current cultivation area. In addition, the percentage of the water supply was increased by applying the scenario of crop restriction in the conditions of the full restoration of the wetland; for example, in the Abbas Plain region, this increase was achieved by almost 10–15% in all methods. On the other hand, decreasing the area under cultivation shifted the allocation problem in the basin to a non-bankruptcy one.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,547
Score d'incertitude au seuil0,248

Scores Codex et Gemma par catégorie

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

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 Opus0,036
Tête enseignante GPT0,353
Écart entre enseignants0,316 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Water Supply Research and Technology—AQUAMême sujetWater resources management and optimizationTravaux en français237 207