Assessing the impact of various irrigation technologies on agricultural production: A water-energy‑carbon nexus perspective
Notice bibliographique
Résumé
Effective coordination of water, energy, and carbon is vital for the sustainable development of irrigated agriculture. However, limited research has been conducted on the impact of irrigation technology on the coupling and coordination relationship of these elements, especially on the North China Plain (NCP) where irrigation is applied extensively. This study establishes a water-energy‑carbon (WEC) nexus framework based on footprint theory and energy analysis. Water utilization, energy consumption, and carbon emissions in a wheat production system under conventional irrigation (CI), sprinkler irrigation (SI), and drip irrigation (DI) technology on the NCP from 2000 to 2019 were quantified. Subsequently, the coupling coordination degree (CCD) model is used to analyze the interactions and correlations of the WEC nexus. Results indicated that SI and CI effectively reduced water consumption and mitigated water degradation, but this came at the expense of increased energy consumption and carbon emissions. The irrigation process represented the predominant share of energy consumption, representing 40.54 % and 37.64 % of the production-based energy consumption under SI and DI, respectively. The primary contributors to the production-based carbon footprint under CI, SI, and DI were N fertilizer (23.67 %), pipeline production (59.10 %), and irrigation electricity (21.85 %), respectively. The CCD range of WEC systems under the three irrigation technologies varied from 0.35 to 0.50 on the NCP during the investigation period. There were some slight differences in the average annual CCD between each irrigation technology, with DI (0.43) > SI (0.40) > CI (0.39). SI and DI was in basic coordination, while CI was in imbalanced type. Meanwhile, the spatial heterogeneity of CCD was fully reflected over time. Promoting water-saving irrigation technologies, developing clean energy, controlling the expansion of irrigation areas, and strengthening the connections among various subsystems are crucial measure to achieve regional WEC nexus coupling coordination.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».