MétaCan
Menu
Retour à la cohorte
Enregistrement W4386553853 · doi:10.11159/icepr23.141

A Modelling Framework for Groundwater Sustainability in the UpperOrange Catchment of South Africa

2023· article· en· W4386553853 sur OpenAlexvenueno aff
Rebecca Alowo

Notice bibliographique

RevueProceedings of the World Congress on New Technologies · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSustainabilityOrange (colour)GroundwaterWater resource managementEnvironmental scienceDrainage basinHydrology (agriculture)GeologyGeographyGeotechnical engineeringChemistryEcology

Résumé

récupéré en direct d'OpenAlex

Sustainability modelling of the C52 Upper Orange Catchment was done for 52 boreholes.This Modelling framework was developed because in arid and semi-arid areas of South Africa, farmers and communities only have a limited number of water provision points.This has put more pressure and increased the number of wells and boreholes being drilled where they can access groundwater which is needed for multiple purposes especially agriculture and drinking water provision.Excessive pumping can lead to groundwater depletion, where groundwater is extracted from an aquifer at a rate faster than it can be replenished.This will put undue pressure on aquifers and catchments such as the Upper Orange (Modder).The methodology involved a detailed understanding of the parameters and ranking of the physical processes affecting groundwater system of the upper orange river catchment for 51 boreholes such as the climatic factors, aquifer system, rights, and equity.This model assessed whether there is undue pressure on the Upper Orange Catchment.The result and findings have been presented in a sustainability index.The outcome was a sustainability map showing areas depicting the most to least sustainable aquifers in the catchment.The developed sustainability index and maps are useful tools for future groundwater management.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,404
Score d'incertitude au seuil0,313

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,025
Tête enseignante GPT0,234
Écart entre enseignants0,210 · 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'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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on New TechnologiesMême sujetWater resources management and optimizationTravaux en français237 207