MétaCan
Menu
Retour à la cohorte
Enregistrement W2885965562 · doi:10.3390/su10082864

A Review of Green Roof Applications for Managing Urban Stormwater in Different Climatic Zones

2018· review· en· W2885965562 sur OpenAlexafffund
Musa Akther, Jianxun He, Angus Chu, Jian Huang, Bert van Duin

Notice bibliographique

RevueSustainability · 2018
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueUrban Heat Island Mitigation
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésGreen roofStormwaterGreen infrastructureStormwater managementLow-impact developmentSurface runoffUrbanizationEnvironmental scienceRoofCivil engineeringEnvironmental resource managementEnvironmental planningEngineeringEcology

Résumé

récupéré en direct d'OpenAlex

Many regions have turned to low impact development technologies (LIDs), which are implemented to restore the changes in stormwater runoff that have resulted from urbanization. Green roofs are one typical type of LID. Until now, many studies have validated their roles in managing urban stormwater runoff. However, they have also revealed that the performance of green roofs largely varies with their design configuration, as well as their hydro-climatic exposure. The objectives of this review paper are to statistically synthesize the effects of the influential factors, including design and hydrologic variables, on green roof performance and to explore their effects in different climatic zones. The review’s results confirm the differences in the influential variables and, thus, the performance of green roofs in different climatic zones. These are the barriers to knowledge translation among engineering designers, stormwater managers, and policymakers in different climatic zones when implementing green roofs. Consequently, region- or site-specific studies are necessary to implement green roofs with confidence.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,022
Tête enseignante GPT0,320
Écart entre enseignants0,298 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations101
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetUrban Heat Island MitigationTravaux en français237 207