Community-Based Adaptation Strategies in Response to Clean Water Scarcity in a Peatland Ecosystem: A Case Study of Banyuasin, South Sumatra, Indonesia
Notice bibliographique
Résumé
Indonesia contains approximately 36% of the world's tropical peatlands, which are crucial for carbon storage, biodiversity conservation, and hydrological regulation.However, in many peatland regions, including Muara Sugihan in Banyuasin Regency, South Sumatra, communities face chronic water quality problems due to peat soils rich in organic matter and high acidity.The local groundwater is bitter, salty, yellowish-brown, and pungent, making it unsuitable for human consumption.This qualitative case study applied cross-generational sampling in 22 villages to capture diverse perspectives on water adaptation.Primary data were collected through semi-structured interviews, participant observation, and field documentation, while secondary data from NGOs were prioritized for contextual relevance.Thematic analysis was used to identify patterns and variations in adaptation strategies.All respondents deemed groundwater unfit for drinking, leading to three main adaptation strategies: (1) simple filtration using sand and charcoal, (2) diversification of water sources via rainwater harvesting and selective swamp water use, and (3) boiling rainwater before consumption.Approximately 70% of younger residents have adopted technological solutions, such as large-capacity rainwater storage, deep-well drilling, and self-managed treatment, although with limited success.Older generations relied more on traditional practices.Adaptive capacity is constrained by limited filtration technology, poor infrastructure, and socioeconomic barriers.Critically, 85% of respondents reported no formal water quality monitoring, revealing a governance gap.Strengthening peatland water resilience requires expanding access to effective filtration, improving infrastructure, and instituting regular monitoring.Lessons from Muara Sugihan can inform policies for other peatland communities.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| 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 ».