MétaCan
Menu
Retour à la cohorte
Enregistrement W2161462647 · doi:10.1061/(asce)0733-9372(2006)132:11(1470)

Urban Runoff Quality Characterization and Load Estimation in Saskatoon, Canada

2006· article· en· W2161462647 sur OpenAlexaffabout
Shaun M. McLeod, James A. Kells, Gordon Putz

Notice bibliographique

RevueJournal of Environmental Engineering · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésSurface runoffEnvironmental scienceWater qualityUrban runoffTotal suspended solidsHydrology (agriculture)Nonpoint source pollutionPollutantSuspended solidsStormwaterBiochemical oxygen demandEnvironmental engineeringChemical oxygen demandEffluentRunoff curve numberCombined sewerSewage treatmentWastewaterEcologyEngineering

Résumé

récupéré en direct d'OpenAlex

The improvement in the effluent quality of the treated sanitary sewage entering the South Saskatchewan River at Saskatoon, Canada, and the impending change in provincial legislation governing urban runoff, provided the impetus for Saskatchewan Environment to initiate the stormwater runoff quality study reported in this paper. Among others, the study involved a field program for characterizing the urban runoff water quality from four catchments, each representing a different type of land use. Both a site mean concentration approach and a multiple variable regression analysis approach were used to quantify the pollutant load contained within the runoff. Thereafter, using the runoff water quality characterizations developed in the study, rainfall–runoff pollutant loads from the entire city were estimated and compared with two local point sources to the receiving stream. On the basis of this analysis, it was found that urban runoff contributes more total suspended solids and total Kjeldahl nitrogen load, similar chemical oxygen demand load, and slightly less total phosphorus load than the two local point sources.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,077

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,003
Tête enseignante GPT0,158
Écart entre enseignants0,155 · 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'étudeObservationnel
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

Citations65
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental EngineeringMême sujetUrban Stormwater Management SolutionsTravaux en français237 207