MétaCan
Menu
Retour à la cohorte
Enregistrement W4322726981 · doi:10.1021/acs.est.3c00757

Telecoupling China’s City-Level Water Withdrawal with Distant Consumption

2023· article· en· W4322726981 sur OpenAlexaboutno aff
Jixuan Li, Kai Huang, Yajuan Yu, Shen Qu, Ming Xu

Notice bibliographique

RevueEnvironmental Science & Technology · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Impact and Sustainability
Établissements canadiensnon disponible
Organismes subventionnairesNatural Science Foundation of Beijing MunicipalityNational Natural Science Foundation of China
Mots-clésChinaConsumption (sociology)Virtual waterResource (disambiguation)GeographySustainabilityWater consumptionGeospatial analysisQuarter (Canadian coin)Environmental protectionWater resource managementEnvironmental scienceWater scarcityAgricultureEcologyCartography

Résumé

récupéré en direct d'OpenAlex

Trade causes the geospatial separation of production and consumption, which drives telecoupling between resource utilization and distant consumption. While benefiting the economy, trade can also exacerbate resource use inequality among regions. Here, we propose telecoupled water withdrawal (TWW) to examine the impact of distant consumption on local water resources, defined as local water withdrawal driven remotely by consumption in other regions. We characterize the TWW in China in 2015 at the city level (350 cities) using a nested multiregional input-output model. We find that approximately 20% of TWW is linked to foreign consumption, more than a quarter of which is driven by the United States. Moreover, cities with high TWW are concentrated on the Southeast coast and in Northwest China. Cities in Xinjiang province (Northwest China) account for 12% of the national TWW but only 0.7% of China's GDP. Our findings shed light on the telecoupling of pressure on local water resources in China cities and distant consumption at the global scale, calling for joint efforts by the contributors and beneficiaries of TWW to ensure the synergistic sustainability of water resources and trade.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,088
Score d'incertitude au seuil0,175

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,009
Tête enseignante GPT0,229
Écart entre enseignants0,220 · 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

Citations27
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetEnvironmental Impact and SustainabilityTravaux en français237 207