Assessment of water footprint profiles: Analysis of the quinoa life cycle in Bolivia$gby: Javier Aliaga Lordemann, Alejandro Capriles, Nayra Antezana
Notice bibliographique
Résumé
This study analyzes the water footprint profiles of quinoa production in Bolivia, an emblematic crop that faces significant challenges in terms of yield and sustainability. The Total Water Footprint (WH) of quinoa estimated for the Southern Altiplano region of Bolivia is approximately 1,728 liters per kilogram, with average yields of 1.15 tons per hectare. This result shows a worrying level of inefficiency in the relationship of HH and crop yield, especially in comparison with countries such as Peru and Ecuador. The results show high HH and low yields; therefore, quinoa production in Bolivia in the study area is not optimizing water use. This situation can be explained to a large extent by the low level of organic matter in the soil of the area (verified by soil studies). Thus, a soil with low organic matter content lacks essential nutrients, which impairs quinoa growth and negatively affects its root development due to soil compaction. In addition, the lack of organic matter decreases water retention capacity, which is critical in periods of drought as a result of the increased frequency and intensity of climatic events in the area. Likewise, the lack of organic matter makes plants more vulnerable to pests and diseases, but also reduces microbial biodiversity, which affects key processes such as decomposition and nutrient cycling, compromising soil fertility. In summary, this type of soil is less efficient in water use, which can increase the water footprint of the crop by requiring more frequent irrigation. Based on these conclusions, several recommendations are proposed. First, it is crucial to optimize yield and reduce WH by implementing efficient irrigation systems. This includes training farmers in these technologies. The use of vegetative covers that improve moisture retention is also suggested. In addition, advanced irrigation technologies -such as soil moisture sensors- should be adopted and rainwater harvesting systems should be promoted. Training in integrated water resources management is essential, as well as the development of climate adaptation strategies.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».