Water-related limits to growth for agriculture in Iran
Notice bibliographique
Résumé
Globally, agriculture is the primary water consumption sector. This study used water footprint ( W F ) as a bottom-up tool and satellite imagery as a top-down tool to estimate the internal water use ( W U ) in the agricultural sector in an innovative way to show the effects of water-intensive use in agriculture in an arid country. The W F of Iran has been quantified for 19 main crops and for related agricultural products exported from Iran to partner countries. Using a bottom-up approach, Iran's total yearly agriculture net water consumption is estimated to be 42.43 billion cubic meters (BCM) per year. Out of 42.43 BCM total net internal water use, only 1.61 BCM is virtual-water export related to these 19 products, and the remaining 40.82 BCM is for internal use. Our results using satellite imagery show that in case of using all possible lands for agriculture, it would require 77.4 BCM. However, not all these lands are within human reach, and the maximum available water is way lower than this amount. Using satellite imagery, the total evaporation from agricultural lands shows 55.27 BCM for 2020, which agrees with national reports during 2005–2014. This study shows that agricultural water consumption tends to use internal water resources at a maximum level for export and national use, significantly impacting renewable and non-renewable water resource availability, especially in groundwater.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».