MétaCan
Menu
Retour à la cohorte
Enregistrement W2808959511 · doi:10.2166/wst.2018.275

Response of green roof performance to multiple hydrologic and design variables: a laboratory investigation

2018· article· en· W2808959511 sur OpenAlexaff
Musa Akther, Jianxun He, Angus Chu, Caterina Valeo, Usman T. Khan, Bert van Duin

Notice bibliographique

RevueWater Science & Technology · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Heat Island Mitigation
Établissements canadiensYork UniversityUniversity of VictoriaUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésGreen roofEnvironmental scienceRoofVariablesAntecedent moistureMoistureOutflowHydrology (agriculture)Environmental engineeringEngineeringMathematicsCivil engineeringGeotechnical engineeringStatisticsEcologyGeographyMeteorologySurface runoffBiologyRunoff curve number

Résumé

récupéré en direct d'OpenAlex

Multiple factors affect green roof performance and their effects might vary at different stages of operation. This paper aimed to link green roof performance to hydrologic variables (antecedent moisture condition (AMC) and rainfall intensity) and design variables (growing medium (GM) type and depth) under multiple dimensions at the early stage of operation using laboratory experiment data. The results showed that the AMC is the most influential factor of hydrologic performance, whereas the GM type appeared to primarily affect the nutrient levels of the outflow. The significant main effects of other variables and interaction effects between two variables point to challenges in green roof design.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,127
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,012
Tête enseignante GPT0,202
Écart entre enseignants0,190 · 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

Citations11
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Science & TechnologyMême sujetUrban Heat Island MitigationTravaux en français237 207