MétaCan
Menu
Retour à la cohorte
Enregistrement W134644434

Hydrologisk dimensjonering av regnbed i kaldt klima: Risvollan, Trondheim

2012· dissertation· no· W134644434 sur OpenAlexaboutno aff
Torstein Dalen

Notice bibliographique

RevueBIBSYS Brage (BIBSYS (Norway)) · 2012
Typedissertation
Langueno
DomaineEnvironmental Science
ThématiqueIntegrated Water Resources Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Økt andel tette overflater i byer gir større mengder overvann som må håndteres. Regnbed er en vegetert forsenkning i terrenget hvor overvann samles og infiltreres. Et typisk regnbed er bygd opp av et filtermedium av jord og løvkompost og beplantet på overflaten. Et godt fungerende regnbed vil infiltreres tomt for vann mellom hvert nedbørstilfelle. Fordelen med regnbed er at filtermediet vil holde igjen en rekke forurensninger, overvann vil infiltrere til grunnvann og vann vil bli fordrøyd i regnbedet. Regnbed har blitt populært både i USA og Canada, mens bruken er beskjeden i Norge. Noe av årsaken er manglende dimensjoneringskriterier/metoder og usikkerhet rundt ytelsen til regnbed i kaldt klima. Hovedmålet med denne oppgaven er derfor å dokumentere den hydrologiske ytelsen til regnbed og hvilke faktorer som bør spille inn på dimensjoneringen av regnbed. Arbeidet baserer seg på feltforsøk med Modified Phillip-Dunne infiltrometere, laboratorieundersøkelser av Risvollan regnbed (Trondheim), simulering av kontinuerlig målte vannføringer i Risvollan regnbed og laboratorieundersøkelser av ulike filtermedier.RECARGA kan modellere vanngjennomstrømningen i et regnbed. Modellen har blitt kalibrert med infiltrasjonsevnen mot vannføringsdata høsten 2011 og våren 2012 i Risvollan regnbed. RECARGA har vist godt samsvar med målte data. Sammen med infiltrasjonsforsøk i felt har dette dokumentert stor variasjon i vannmettet hydraulisk konduktivitet i perioden juli 2011 til mai 2012 (0.4-2.8 cm/time). Infiltrasjonen var som forventet størst i sommerhalvåret.Feltforsøkene avdekket stor variasjon i infiltrasjonsevne på overflaten (0-35 cm/t). Årsaken kan skyldes ulik grad av kompaktering, biologisk aktivitet fra planter og insekter, samt finstoff i innløpsvannet som sedimenterer på overflata. Infiltrasjonsforsøk i felt samsvarte godt med infiltrasjonsevnen funnet med RECARGA. Enkle feltforsøk kan dermed brukes til å beregne ytelsen til allerede anlagte regnbed og i tillegg avdekke områder i regnbedet som bør rehabiliteres. Regnbeds ytelse har blitt simulert ved hjelp av RECARGA med avrenningsdata fra Bergen, Trondheim og Ås. Resultatet viser at 95 % av årsavrenningen kan infiltreres alle tre stedene med et regnbed på 2.5 % av nedbørsfeltet og infiltrasjonsevne på 10 cm/time. For regnbed som er mindre enn 2.5 % av nedbørsfeltet eller har lavere infiltrasjonsevne enn 10 cm/t vil ytelsen være forskjellig i Bergen, Trondheim og Ås. Regnbed som skal redusere flomtoppen må være større enn et regnbed som kun skal infiltrere mest mulig av årsnedbøren. Simulering av et tre timers 15års regn i Trondheim (25.8 mm) viser at regnbed som er 7 % av nedbørsfeltet vil gi en flomtoppreduksjon på 90 %. Dermed kreves det to forskjellige dimensjoneringsmetoder avhengig av formålet. Metoden som er foreslått for å håndtere årsnedbøren baserer seg på simulerte avrenningsdata fra smeltebrett. Metoden som er foreslått for å håndtere moderate nedbørstilfeller baserer seg på IVF-kurver og amerikanske dimensjoneringsmetoder. Arbeidet viser at hydraulisk konduktivitet er en av nøkkelfaktorene for å lykkes med regnbed. Denne avhenger av sammensetningen av filtermediet. Infiltrasjonsforsøk i laboratoriet viser at den hydrauliske konduktiviteten synker med mengde løvkompost, noe som tilsier at lavt innhold av organisk materiale er nødvendig for regnbed i kaldt klima. Lavere andel organisk materiale kan senke renseeffekten og påvirke vekstforholdene for plantene. Kompostandelen må derfor bestemmes ut fra nødvendig mengde organisk materiale for renseeffekt, plantevekst og infiltrasjonsevne i regnbed.

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)0,001
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,325
Score d'incertitude au seuil0,647

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0050,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0190,007

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 Opus0,013
Tête enseignante GPT0,228
Écart entre enseignants0,214 · 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

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBIBSYS Brage (BIBSYS (Norway))Même sujetIntegrated Water Resources ManagementTravaux en français237 207