MétaCan
Menu
Retour à la cohorte
Enregistrement W4416571100 · doi:10.1080/00220388.2025.2581604

Ponds and Their Potential for Agricultural Sustainability in Punjab; Insights from a Century of Surface Water Change in the Granary of India

2025· article· en· W4416571100 sur OpenAlexaff
Adam S. Green, Aftab Alam, Shruti Bhogal, Sandeep Dixit, Kamal Vatta, Cameron A. Petrie

Notice bibliographique

RevueThe Journal of Development Studies · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFisheries and Aquaculture Studies
Établissements canadiensArthur B. McDonald-Canadian Astroparticle Physics Research Institute
Organismes subventionnairesBanaras Hindu UniversityBiotechnology and Biological Sciences Research CouncilDirectorate for Biological SciencesGlobal Challenges Research Fund
Mots-clésAgricultureSustainabilityClimate changeFarm waterSurface waterWater resourcesGranary

Résumé

récupéré en direct d'OpenAlex

Ponds are one of the most basic landscape features that humans can use to manage water, and were important landscape features common especially in periods before people began extracting groundwater using fossil-fuels. In this article we use historical cartography and geospatial methods to analyse a century of change in pond distribution in the Indian state of Punjab, part of a larger area colloquially known as the ‘Granary’ of India. We ask how the changing spatial distribution of ponds over the last century reflects shifts in water management over a period that also includes the Green Revolution (1968 onwards), when agriculture intensified and groundwater levels declined. We find that ponds were prevalent in the past, suggesting they contributed to more adaptive forms of water use. Pond numbers and area have declined over the last century, which leads us to suggest that pond restoration may provide a pathway to sustainable water governance in the region today.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,004
Communication savante0,0030,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,017
Tête enseignante GPT0,235
Écart entre enseignants0,219 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Development StudiesMême sujetFisheries and Aquaculture StudiesTravaux en français237 207