MétaCan
Menu
Retour à la cohorte
Enregistrement W2787424692 · doi:10.1680/jenes.17.00012

Decentralised water reuse in Sydney, Australia: drivers for implementation and energy consumption

2017· article· en· W2787424692 sur OpenAlexvenueno aff
Olof J. Jonasson, Jaya Kandasamy

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Reuse
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReuseEnvironmental economicsConsumption (sociology)Energy consumptionIncentiveEnvironmental scienceElectricityMains electricityWater conservationBusinessWater consumptionNatural resource economicsEnvironmental engineeringWater resourcesPower (physics)Waste managementEngineeringEconomics

Résumé

récupéré en direct d'OpenAlex

Water recycling and reuse is becoming increasingly common throughout the world. The objective of this study was to compare five decentralised water recycling and reuse systems in Sydney, Australia, in terms of the drivers for their implementation and their ongoing energy consumption, allowing comparison to conventional water sources. The security of supply was found to be the main driver for four out of the five schemes. For the fifth scheme, the driver was to obtain a high environmental rating for the building it is located in. The analysis shows that water reuse can provide water at the same or less energy consumption compared to water supplied through the mains network. However, where the water recycling ethos of ‘fit for purpose’ is not considered, this can often lead to a significant overall increase in power consumption. This study highlights the need for regulatory bodies to consider a wider range of impacts when preparing guidelines and incentive schemes for water reuse. When the focus is too narrow, there is a risk that unintentional negative impacts such as increased power consumption and potential carbon dioxide emissions are the outcomes.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,147
Score d'incertitude au seuil0,293

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,014
Tête enseignante GPT0,247
Écart entre enseignants0,233 · 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'étudeObservationnel
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

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetWastewater Treatment and ReuseTravaux en français237 207