MétaCan
Menu
Retour à la cohorte
Enregistrement W2305653498 · doi:10.14796/jwmm.r236-09

Impervious Cover Variability in Urban Watersheds

2010· article· en· W2305653498 sur OpenAlexvenueno aff
Celina Bochis, Robert E. Pitt

Notice bibliographique

RevueJournal of Water Management Modeling · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Department of Agriculture
Mots-clésImpervious surfaceCover (algebra)Environmental scienceHydrology (agriculture)GeographyGeologyEngineeringGeotechnical engineeringEcologyBiology

Résumé

récupéré en direct d'OpenAlex

An urban area inventory for watershed development conditions should be part of any comprehensive stormwater management plan, when the goal is to understand the sources of pollution and the magnitude of the expected runoff. The watershed inventory would, therefore, assist in the selection of the most beneficial stormwater control practices. The type of urban development in an area can have a major impact on the local hydrology and water environment. This inventory can therefore be used to support many decision making activities and to increase the success of local stormwater monitoring. Past studies Increasing levels of impervious surfaces associated with urbanization result in higher volumes of runoff with higher peak discharges, shorter travel times, and more severe pollutant loadings. Urban imperviousness is an important indicator for urban watersheds in measuring the impact of land development on drainage systems and aquatic life (Schueler 1994). However, there are many different types of impervious surfaces, and their direct connectivity to the drainage system is an important attribute affecting stormwater runoff. The purpose of this chapter is to show the measured variability associated with land surface covers for different land uses in a large urban area in the state of Alabama.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,205
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
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 Opus0,009
Tête enseignante GPT0,205
Écart entre enseignants0,196 · 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.

Devis d'étudeSimulation ou modélisation
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

Citations2
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Water Management ModelingMême sujetUrban Stormwater Management SolutionsTravaux en français237 207