Optimizing sustainable development in arid river basins: A multi-objective approach to balancing water, energy, economy, carbon and ecology nexus
Notice bibliographique
Résumé
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».