Climate Change and Urban Hydrology: Research Needs in the Developed and Developing Worlds
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Although opinion polls indicate the public continues to be uncertain about climate change, the scientific community generally has reached consensus that increasing anthropogenically-sourced greenhouse gases have contributed substantially to rising global temperature over the second half of the twentieth century. This chapter takes the position that global warming and attendant changes in the precipitation regime have started and likely will intensify over the next century and explores these issues in relation to urban hydrology research needs for both the developed and developing worlds. Most research on climate change and water resources has focused on river flooding and drought at the watershed scale, irrigation demands, and impacts due to sea level rise. Assessment of urban drainage and sanitation infrastructure impacts and resiliency under climate change scenarios have received much less attention. Urban hydrologic impacts are broadly defined in this chapter and are discussed under eight categories: i) system resiliency and adaptation; ii) storm frequency and runoff; iii) water and sediment quality; iv) health impacts; v) water use and reuse; vi) sea level rise; vii) greenhouse gas emissions; and viii) urban heat islands. Adaptation measures to improve urban hydrologic resiliency are explored, with a focus on low impact development (LID) technologies, water reuse, land use planning, green buildings, and political will. Research needs in hydrologic science and engineering include: continued improvement of General Circulation Models (GCMs), particularly in the area of spatial downscaling; the need to further link GCM outputs and stormwater/ sewer modeling efforts (for both water quantity and quality); reconsideration
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 découle