Characterization and Modeling of Urban Water Quality in the City of Calgary, Canada
Notice bibliographique
Résumé
Non-point source pollution (NPS) besides point source pollution (PS) has contributed to pollutant loading into natural receiving water bodies. Due to the nature of NPS, the quantification of pollutant loading from NPS is very challenging but crucial to riverine water quality management, especially for the river reach flowing through urban areas. The water quality in the river reach of the Bow River flowing through the City of Calgary in Alberta, Canada, is affected by both PS and NPS. Thus, understanding and characterizing water quality of discharges (affected by NPS) into the river reach is necessary for better managing riverine water quality and preventing water quality degradation. In the paper, monitored event mean concentrations (EMCs) of stormwater runoff and mean concentrations of snowmelt and baseflow of seven common pollutants from sub-catchments, which are categorized into four land use types including commercial, industrial, residential and on-going development land uses, were used to investigate the linkage between land use and water quality. Statistical analysis techniques were adopted to identify differences or similarities in water quality among different flow types, different land use types, and among/between catchments of same land use. The results indicated that EMCs of many water quality parameters vary among different land use types and among/between catchments of same land use. The results also showed median EMCs of pollutants of snowmelt and baseflow are, in general, lower than those of stormwater runoff. In addition, Stormwater Management Model was employed to investigate the physical process that would affect water quality response to storm events for two typical land uses, industrial and residential land uses. The modeling results supported that wash-off of particulate matters might primarily affect water quality response of catchments between different land uses. All the results shed the light on the necessity of quantifying pollutant loading considering the characteristics of land uses.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».