MétaCan
Menu
Retour à la cohorte
Enregistrement W2188720412 · doi:10.2166/wqrj.2009.010

Developing Capacity for Large-Scale Rainwater Harvesting in Canada

2009· article· en· W2188720412 sur OpenAlexaffabout
Khosrow Farahbakhsh, Christopher Despins, Chantelle Leidl

Notice bibliographique

RevueWater Quality Research Journal · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensUniversity of Guelph
Organismes subventionnairesTexas Water Development Board
Mots-clésRainwater harvestingImpervious surfaceStormwaterEnvironmental planningSurface runoffScale (ratio)BusinessEnvironmental scienceEnvironmental resource managementGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Rainwater harvesting (RWH) is the ancient practice of capturing rainwater from impervious surfaces and storing it for future use. Harvesting roof runoff for domestic purposes has historically been prevalent in rural areas of Canada and the practice is currently experiencing revived interest and uptake in the urban environment. When implemented on a wide scale, RWH can contribute to both stormwater abatement and water conservation, serving to relieve pressure on existing infrastructure and potentially delay the need for infrastructure expansion. While such benefits are known, there remain several barriers that impede widespread implementation. These include cost, liability concerns, and a lack of clear policy for RWH. This paper outlines the benefits of RWH and describes findings of recent research that has attempted to develop some of the technical, administrative, and market capacity needed to overcome these barriers, focussing on water quality, design practices, economic analysis, and policy development.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,336
Score d'incertitude au seuil0,985

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,187
Tête enseignante GPT0,371
Écart entre enseignants0,184 · 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 tête enseignante, 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

Citations24
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Quality Research JournalMême sujetUrban Stormwater Management SolutionsTravaux en français237 207