MétaCan
Menu
Retour à la cohorte
Enregistrement W4382302077 · doi:10.3390/su151310141

Assessing the Impact of Climate Change on Water Usage in Typical Industrial Enterprises

2023· article· en· W4382302077 sur OpenAlexfundno aff
Jun Liu, Yuyan Zhou, Lihua Chen, Lichuan Wang

Notice bibliographique

RevueSustainability · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater-Energy-Food Nexus Studies
Établissements canadiensnon disponible
Organismes subventionnairesState Key Laboratory of Simulation and Regulation of Water Cycle in River BasinChina Institute of Water Resources and Hydropower ResearchGuangxi Key Laboratory of Disaster Prevention and Engineering SafetyCanada Excellence Research Chairs, Government of Canada
Mots-clésRepresentative Concentration PathwaysEnvironmental scienceClimate changeWater scarcityWater cycleWater consumptionWater resourcesConsumption (sociology)Water useClimatologyClimate modelWater resource management

Résumé

récupéré en direct d'OpenAlex

Climate change and water scarcity are significant global issues both currently and in the future. Investigating the changes in industrial water usage under this backdrop holds crucial guidance for enabling adaptive changes within industries. It offers methods and case support for assessing the impact of climate on the water usage processes of industrial enterprises as well. This study employed a physical model to examine the impact of climate factors on the primary water consumption processes of a selected case of a coal-fired power plant. Additionally, by utilizing the ScenarioMIP experimental outcomes from CMIP6 models, the future water consumption processes were predicted under four different SSPs-RCPs scenarios. A relevant LSTM neural network was constructed based on the primary water consumption calculation to establish connections between the power generation process, meteorological process, water consumption process, and water intake process. Findings from the study reveal that the annual average primary water consumption showed a decreasing trend in different SSPs-RCPs scenarios. Specifically, there were reductions of 1600, 5300, 9000, and 11,400 t/year in each respective scenario from SSP1–2.6 to SSP5–8.5. Conversely, the water intake exhibited a gradual increase, with increments of 2000, 5600, 9200, and 10,000 t/year, respectively. Moreover, the impact of climate change on evaporation showed an annual decrease of less than 0.056%, while the increase in water intake was below 0.044%. Under the SSPs-RCPs scenarios, both water intake and consumption exhibited a gradually increasing trend with fluctuations ranging from 1–2.6 to 5–8.5. However, the annual trends remained relatively stable. It is crucial to acknowledge that climate change has amplified the uncertainty surrounding water intake and consumption. Industrial enterprises should proactively ensure the stability of their production processes in response to climate change.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,363

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,053
Tête enseignante GPT0,340
Écart entre enseignants0,287 · 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'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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetWater-Energy-Food Nexus StudiesTravaux en français237 207