An unsustainable level of take: on-farm storages and floodplain water harvesting in the northern Murray–Darling Basin, Australia
Notice bibliographique
Résumé
Water resources for irrigation in the Murray–Darling Basin have been heavily over-allocated, with major detrimental effects on wetlands and rivers. The Murray–Darling Basin Plan is intended to return water from irrigated agriculture to the environment but requires comprehensive, accurate water accounting to achieve this objective. Floodplain harvesting – the diversion and storage of overland flows into on-farm dams – is widely practised by irrigators in the northern Basin. By reducing volumes of river flows, floodplain harvesting has negative effects on downstream water users and the environment. The volume of diversions is not known, creating a major source of uncertainty over water availability and use. We focussed on floodplain harvesting in northern New South Wales (NSW) catchments (Border Rivers, Gwydir, Namoi, Macquarie and Barwon-Darling) because the NSW government is attempting to licence and regulate the practice. We found in 2019–20 there were 1,833 storages in these catchments with a total surface area of 42,650 ha. Storage capacity has risen from 557 GL in 1993–94 to 1,067 in 1999–2000, 1,225 in 2008–09 to 1,393 GL in 2019–20, a 2.5-fold increase in 26 years. We estimated mean annual floodplain harvesting take (2004–2020) in northern NSW was 778 GL (range 632–926 GL). For context, this volume represents half of the mean volume of held environmental water released annually for the entire Basin between 2009–10 and 2018–19 (1,576 GL) and six times that for the northern NSW Basin (125 GL). The volume of take from floodplain harvesting is not sustainable and in breach of legislation on water use and management. We discuss the negative impacts of floodplain harvesting on downstream communities and flow-dependent ecosystems and their social justice implications.
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 | 0,002 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».