A quantification and analysis of historical sectoral and regional water withdrawals in Canada
Notice bibliographique
Résumé
Canada is a water rich country with one of the highest annual water uses per person among developed countries. This study provides a systematic, comprehensive analysis of recent data on this water use at national and subnational scales. It spatially disaggregates surveyed data from Statistics Canada (StatCan) to develop a historical dataset from 2005-2018 for Canadian water withdrawals at provincial and river basin scales for seven water use sectors: domestic use, manufacturing, irrigation, livestock, mining, oil and gas and thermal power generation. Additionally, sectoral water withdrawals are estimated for each province-river basin combination. Sectoral priorities are analyzed at the provincial and river basin scales and historical trends are identified. Water use intensity indicators are calculated and compared between different provinces, and a water stress index is used to identify regions most prone to water shortages. We find that water use decreased nationally over the study years for all sectors except irrigation, mining and oil and gas. Ontario had the highest water use of all provinces, mainly for thermal power generation. Manufacturing and domestic sectors were the dominant users in Quebec and British Columbia while the Prairies had more diversified uses. Domestic water use per capita values in Newfoundland & Labrador and Quebec are higher than the national average and all global values included in the study for comparison. Finally, the irrigation sector withdraws the most water per $GDP nationally while the oil and gas sector withdraws the least. Dataset development faced challenges related to data availability and uncertainties in downscaling assumptions. These challenges are described, and emphasize the need for a systematic and standardized approach to water data gathering and sharing in Canada.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».