Notice bibliographique
Résumé
The Canadian Water Network sponsored a 2-year knowledge translation project to review innovative stormwater management initiatives that are taking place across Canada. Three workshops were held in Vancouver, Calgary and Toronto that featured innovative stormwater practices in the different cities. The results showed that there are considerable differences in the performance of best management practices (BMP) depending on topographic, climatic, and land use conditions. The most important lesson is that no single BMP is sufficient and a wide range of practices need to be considered and integrated within a watershed context. The first step is to focus on rainwater management at the individual property level and then to scale up to the neighbourhood and watershed level. Using a water balance model allows a property owner to determine the amount of rainwater that needs to be collected, reused, detained, and infiltrated on site to prevent surface runoff. There are several on-site management options that can be used in combination, including roofwater collection and indoor/outdoor re-use, green roofs, rainfall interception by trees, minimizing impervious surfaces, developing rain gardens, and requiring at least 30 cm of topsoil on the property. At the neighbourhood and watershed scales the transportation networks should be linked to infiltration systems, swales, detention ponds and wetlands. The main emphasis is to minimize the use of conventional stormwater pipes and not to convey stormwater directly into streams. Infiltration systems have proven to be popular and effective in reducing stormwater peak flows but their effectiveness in detaining non-point source of pollution is still a major issue. This is a particular problem during the winter period and during snowmelt in central and eastern Canada where road salt and pollution from transportation systems cause significant challenges. There are considerable research needs to measure the effectiveness and long term performance of these detention systems in terms of pollution reduction under different climatic conditions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,008 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».