MétaCan
Menu
Retour à la cohorte
Enregistrement W2316404628 · doi:10.1061/41099(367)88

Stormwater Runoff Reduction Achieved by Green Roofs: Comparing SWMM Method to TR-55 Method

2010· article· en· W2316404628 sur OpenAlexaff
Daniel Roehr, Yuewei Kong

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Heat Island Mitigation
Établissements canadiensUniversity of British ColumbiaUniversity of British Columbia Hospital
Organismes subventionnairesnon disponible
Mots-clésGreen roofImpervious surfaceSurface runoffStorm Water Management ModelLow-impact developmentEnvironmental scienceEvapotranspirationRunoff curve numberStormwaterHydrology (agriculture)Environmental engineeringStormwater managementRoofCivil engineeringEngineeringGeotechnical engineeringEcology

Résumé

récupéré en direct d'OpenAlex

This research uses the EPA Storm Water Management Model (SWMM) to simulate runoff generated by impervious roofs and green roofs. Simulation results are compared with previous simulation results using Natural Resources Conservation Service Technical Release-55 (tr-55) and measurement by the British Columbia Institute of Technology (BCIT). Findings show that SWMM's Green-Ampt method can calculate more accurate runoff coefficients of impervious roofs than tr-55's Curve Number method. Annual runoff coefficients are 0.88 by SWMM, 0.6 by tr-55 and 0.93 by BCIT's measurement. However, using SWMM's Green-Ampt method alone does not accurately simulate green roof runoff. Green roof runoff is more accurately simulated by combining the Green-Ampt method with evapotranspiration of green roofs. According to BCIT's measurement, runoff reduction rates of monitored green roofs are 24% and 21%. As determined by combining the Green-Ampt method with evapotranspiration of green roofs, the potential runoff reduction achieved by green roofs is 20%.

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)0,001
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 consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,146
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,012
Tête enseignante GPT0,272
Écart entre enseignants0,261 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
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

Citations7
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUrban Heat Island MitigationTravaux en français237 207