Development of a risk-based TMDL assessment approach using the integrated modeling system GIBSI
Notice bibliographique
Résumé
Using the integrated modeling system GIB SI and a case study, this paper presents the development of a risk-based TMDL assessment approach that links wet (nonpoint/diffuse) and dry weather (point) sources to a probability of exceeding water quality standards (WQS) governing wateruses. The case study focused on determining whether WQS defining recreational uses of water requiring direct and prolonged contact were attainable if the waste water effluent of a small town was treated using aerated lagoons and if the agricultural nonpoint source (NPS) loads were reduced using different fertilization rates. Dry weather sources were assumed to solely contribute to bacteriological impairment of the studied river reach. Meanwhile, both wet and dry weather sources were assumed to contribute to aesthetic impairment. Simulation results showed that treating the waste water effluent while reducing the agricultural NPS loads by 27% allowed on average over a four-year study period for attainment of the bacteriological WQS 100% of the summer time while lowering the probability of exceeding the aesthetic WQS from 0.32 to 0.19 (30 to 18 days). The results of this study showed this risk-based assessment approach was well suited to establish TMDL. These probabilities should be evaluated using long meteorological series.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».