MétaCan
Menu
Retour à la cohorte
Enregistrement W4402216094 · doi:10.1016/j.ese.2024.100481

Optimizing sustainable development in arid river basins: A multi-objective approach to balancing water, energy, economy, carbon and ecology nexus

2024· article· en· W4402216094 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueEnvironmental Science and Ecotechnology · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater-Energy-Food Nexus Studies
Établissements canadiensUniversity of Regina
Organismes subventionnairesNational Key Research and Development Program of ChinaNational Natural Science Foundation of China
Mots-clésNexus (standard)Sustainable developmentSustainabilityEnvironmental resource managementWater resourcesMarginal abatement costAridEnvironmental scienceEcologyGreenhouse gasEnvironmental economicsNatural resource economicsComputer scienceEconomics

Résumé

récupéré en direct d'OpenAlex

The ongoing water crisis poses significant threats to the socioeconomic sustainability and ecological security of arid and semi-arid river basins. Achieving Sustainable Development Goals (SDGs) within a complex socio-ecological nexus requires effective and balanced resource management. However, due to the intricate interactions between human societies and environmental systems, the tradeoffs and synergies of different SDGs remain unclear, posing a substantial challenge for collaborative management of natural resources. Here we introduce a gray fractional multi-objective optimization (GFMOP) model to balance multi-dimensional SDGs through a novel water-energy-economy-carbon-ecology nexus perspective. The model was applied to a typical arid river basin in Northwest China, where thirty-two scenarios were explored, considering factors such as shared socioeconomic pathways, carbon removal rates, water conveyance efficiencies, and ecological requirements. The results reveal a strong tradeoff between marginal benefit and carbon emission intensity, indicating that improving the economic efficiency of water use can simultaneously reduce emissions and protect the environment. Given the immense power generation potential, wind power development should be prioritized in the future, with its share in the energy structure projected to increase to 23.3% by 2060. Furthermore, promoting carbon capture technologies and expanding grassland coverage are recommended to achieve regional carbon neutrality, contributing 39.5% and 49.1% to carbon absorption during 2021-2060, respectively. Compared with traditional single-objective models, GFMOP demonstrates a superiority in uncovering interrelationships among multiple SDGs and identifying compromised alternatives within the compound socio-ecological nexus. The model also provides detailed strategies for resource allocation and pollutant control, offering valuable guidance to policymakers and stakeholders in pursuing sustainable and harmonious watershed 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.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,165
Score d'incertitude au seuil0,961

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 technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0000,002
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 Opus0,006
Tête enseignante GPT0,178
Écart entre enseignants0,173 · 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