Surface Water Expansion in the Huayang River Basin Following the Comprehensive Implementation of the River and Lake Chief System
Notice bibliographique
Résumé
Over the past three decades, China’s rapid economic growth has significantly improved living standards but has also led to environmental challenges. The Chinese government launched the River Chief System and the Lake Chief System to promote the sustainable development. We selected the Huayang River basin to assess the impacts of the RLCS after the RLCS implementation. We analyzed Sentinel-1 GRD over 2015–2021 to extract annual water body information, and found: (1) The total surface water area in the Huayang River Basin expanded from 1005.66 km2 to 1241.09 km2. (2) Lake water surface areas expanded by 13.11 km2, river surface areas grew by 3.77 km2, and small and micro water bodies increased by 218.61 km2. (3) Notable increases in specific lakes were observed, with Longgan Lake growing by 4.09 km2, Po Lake by 2.20 km2, Huang Lake by 2.72 km2, Daguan Lake by 0.76 km2, and Dayuan Lake by 1.53 km2. (4) The shift to production-oriented fishing has restored aquatic ecosystems, transitioning aquaculture to coastal lowlands and converting farmland into shrimp-rice paddies and fish ponds. This study offers the first quantitative assessment of RLCS outcomes, providing policymakers in rapidly developing regions with insights and evidence-based strategies for sustainable water governance, applicable globally.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».