MétaCan
Menu
Retour à la cohorte
Enregistrement W4382196806 · doi:10.1088/1748-9326/ace206

Envisioning a sustainable agricultural water future across spatial scales

2023· article· en· W4382196806 sur OpenAlexaff
Tara J. Troy, L. C. Bowling, Sadia Jame, Charlotte I. Lee, Jing Liu, Chris Perry, Brian D. Richter

Notice bibliographique

RevueEnvironmental Research Letters · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNational Science Foundation
Mots-clésAgricultureLivelihoodFarm waterAgricultural productivityNatural resource economicsWater resourcesSustainabilityEnvironmental scienceEcosystemSustainable agricultureWater scarcityBusinessWater useWater qualityEnvironmental resource managementWater resource managementWater conservationEcologyEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Sustainable agricultural water systems are critical to ensure prosperous agricultural production, secure water resources, and support healthy ecosystems that sustain livelihoods and well-being. Many growing regions are using water unsustainably, leading to groundwater and streamflow depletion and polluted water bodies. Often, this is driven by global consumer demands, with environmental and social impacts occurring in regions far from where the crop is ultimately consumed. This letter defines sustainable agricultural water limits, both for quantity and quality, tying them to the impacts of agricultural water use, such as impacts on ecosystems, economies, human health, and other farmers. Imposing these limits will have a range of both positive and negative impacts on agricultural production, food prices, ecosystems, and health. Pathways forward exist and are proposed based on existing studies, showing the gains that can be made from the farm to global scale to ensure sustainable water systems while sustaining agricultural production.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,450
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 GPT0,235
Écart entre enseignants0,226 · 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.

Devis d'étudeSimulation ou modélisation
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

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Research LettersMême sujetWater resources management and optimizationTravaux en français237 207