Quantifying the Fecal Coliform Loads in Urban Watersheds by Hydrologic/Hydraulic Modeling: Case Study of the Beauport River Watershed in Quebec
Notice bibliographique
Résumé
A three-step method for the identification of the main sources of fecal coliforms (FC) in urban waters and for the analysis of remedial actions is proposed. The method is based on (1) The statistical analysis of the relationship between rainfall and FC concentrations in urban rivers; (2) The simulation of hydrology and hydraulics; and (3) Scenario analysis. The proposed method was applied to the Beauport River watershed, in Canada, covering an area of 28.7 km2. FC loads and concentrations in the river, during and following rainfall events, were computed using the Storm Water Management Model (SWMM) hydrological/hydraulic simulation model combined with event mean concentrations. It was found that combined sewer overflows (CSOs) are the main FC sources, and that FC from stormwater runoff could still impair recreational activities in the Beauport River even if retention tanks were built to contain CSOs. Thus, intervention measures should be applied in order to reduce the concentration of FC in stormwater outfalls. The proposed method could be applied to water quality components other than FC, provided that they are present in stormwater runoff and/or CSOs, and that the time of concentration of the watershed is significantly lower than their persistence in urban waters.
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 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 | 0,001 | 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 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».