MétaCan
Menu
Retour à la cohorte
Enregistrement W2325393880 · doi:10.2166/wqrjc.2013.016

Bioretention gardens for improved nutrient removal

2013· article· en· W2325393880 sur OpenAlexaff
Mark Randall, Andrea Bradford

Notice bibliographique

RevueWater Quality Research Journal · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésBioretentionEnvironmental sciencePhosphorusStormwaterEnvironmental engineeringNutrientNitrateClarifierEffluentEnvironmental chemistryChemistrySurface runoffEcology

Résumé

récupéré en direct d'OpenAlex

Bioretention gardens are stormwater management practices capable of providing numerous water quantity and quality benefits. However, previous studies have reported inconsistent removal of nitrogen and phosphorus in these systems. This study used ten, vegetated, mesoscale (0.20 m3), bioretention cells in a field setting to provide a comparison of the nutrient removal capabilities of five, alternative bioretention designs. Applying a synthetic stormwater to the bioretention cells demonstrated that a sandy soil mix can provide a 75.5 and 53.4% reduction in concentrations of total phosphorus and total nitrogen, respectively. Phosphorus removal was found to be only slightly enhanced in bioretention cells where soil was amended with alum-based drinking water treatment residuals, a commercially available oxide-coated media, or a commercially available lanthanum-modified bentonite product. However, improvements in phosphorus removal were observed in some cells when elevated phosphorus loads were applied to evaluate longer term performance. In cells incorporating a permanently saturated zone containing shredded newspaper to promote denitrification, effluent concentrations of nitrate were reduced by >99%, however total nitrogen concentrations increased.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0010,000

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 Opus0,112
Tête enseignante GPT0,367
Écart entre enseignants0,255 · 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'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

Citations31
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

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