MétaCan
Menu
Retour à la cohorte
Enregistrement W6901725920 · doi:10.60692/gm1z5-s7h90

Future variations of water stress over China will have impacts on the north-to-south shifts in agriculture and manufacturing sectors

2023· article· en· W6901725920 sur OpenAlexaff

Notice bibliographique

RevueGreater South Information System · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Resources and Sustainability
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésAgricultureGroundwaterPopulationChinaIndex (typography)Water resourcesWater useFarm water

Résumé

récupéré en direct d'OpenAlex

Abstract In this study, a fuzzy technique for order preference by similarity to ideal solution water stress prediction (FTOPWSP) index is developed to analyze spatiotemporal variations of water stress, and concomitant effects on the populace within China under climate change. The potential implications of water stress variations on the migration of the agriculture sector, manufacturing industry, and human population are further discussed. Our results show that the value of the FTOPWSP index could decrease by 7.17% from 2020 to 2099 under the representative concentration pathway 2.6-shared socioeconomic pathway 2 (RCP2.6-SSP2) scenario. Such a decrease signifies an augury of water stress in the ensuing eight decades. The primary causative factors are attributed to decreased water resources supply, such as groundwater recharge, groundwater runoff, and subsurface runoff. Moreover, future annual variations of the FTOPWSP index value are predominantly contributed by its variations during the spring and autumn seasons. The water stress in the southeastern provinces would be much lower than the northwestern ones, wherein more than 20% of the entire Chinese population would be severely impacted by water stress. More importantly, such variations of water stress could lead to the north-to-south migration of the agriculture sector, manufacturing industry, and human population.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,008
Tête enseignante GPT0,176
Écart entre enseignants0,168 · 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'étudeSimulation ou modélisation
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGreater South Information SystemMême sujetWater Resources and SustainabilityTravaux en français237 207