Effective impervious area for runoff in urban watersheds
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
Abstract Effective impervious area (EIA), or the portion of total impervious area (TIA) that is hydraulically connected to the storm sewer system, is an important parameter in determining actual urban runoff. EIA has implications in watershed hydrology, water quality, environment, and ecosystem services. The overall goal of this study is to evaluate the application of successive weighted least square (WLS) method to urban catchments with different sizes and various hydrologic conditions to determine EIA fraction. Other objectives are to develop insights on the data selection issues, EIA fraction, EIA/TIA ratio, and runoff source area patterns in urban catchments. The successive WLS method is applied to 50 urban catchments with different sizes from less than 1 ha to more than 2000 ha in Minnesota, Wisconsin, Texas, USA as well as Europe, Canada, and Australia. The average, median, and standard deviation of EIA fractions for the 42 catchments with residential land uses are found to be 0.222, 0.200, and 0.113, respectively. These values for the EIA/TIA ratio in the same 42 catchments are 0.50, 0.48, and 0.21, respectively. While the EIA/TIA results indicate the importance of EIA, 95% prediction interval of the mean EIA/TIA is found to be 0.07 to 0.93, which shows that using an average value for this ratio in each land use to determine EIA from TIA in ungauged urban watersheds can be misleading. The successive WLS method was robust and is recommended for determining EIA in gauged urban catchments. Copyright © 2016 John Wiley & Sons, Ltd.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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