MétaCan
Menu
Retour à la cohorte
Enregistrement W2733087971

Bioretention Cells under Cold Climate Conditions: The Effect of Freezing and Thawing on Water Infiltration and Nutrient Removal

2017· dissertation· en· W2733087971 sur OpenAlexfundaboutno aff
Xin Ran Ding

Notice bibliographique

RevueTSpace (University of Toronto) · 2017
Typedissertation
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of WaterlooUniversity of TorontoToronto Rehabilitation Institute
Mots-clésBioretentionStormwaterInfiltration (HVAC)Environmental scienceDrainageSurface runoffSwaleNutrientNitrateLow-impact developmentCold climateHydrology (agriculture)Environmental engineeringStormwater managementChemistryGeotechnical engineeringEngineeringGeologyEcologyMaterials scienceBiology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Bioretention cells are widely used to reduce urban stormwater runoff, and improve water quality. However, their efficiency under cold climate is still poorly understood. The objective of this research is to understand the effect of freeze-thaw cycles on bioretention cell treatment and hydrological. In this study, soil column experiments were conducted with undisturbed soil cores collected from a bioretention site in Ajax, Ontario. A control column (at room temperature) and an experimental column were run. The experimental column underwent six freeze-thaw cycles consisting of 3 days at -10 Ë C followed by 2 days at 10 Ë C. Nitrate and phosphate concentrations were reduced by more than 95% in the drainage of both columns. Over the course of the experiments, the difference in drainage rates in the two columns increased slightly. The results of this research demonstrate that under cold climate conditions, bioretention cells can perform well for water infiltration and treatment.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,814
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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 technologies0,0010,000
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 Opus0,009
Tête enseignante GPT0,221
Écart entre enseignants0,212 · 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'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

Citations1
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTSpace (University of Toronto)Même sujetUrban Stormwater Management SolutionsTravaux en français237 207