Meta-Analysis of Storm Water Impacts in Urbanized Cities Including Runoff Control and Mitigation Strategies
Notice bibliographique
Résumé
The rate of urbanization has been impacted by global economic growth. A strong economy results in more people moving to already crowded urban centers to take advantage of increased employment opportunities often resulting in sprawling of the urban area. More natural land resources are being exploited to accommodate these anthropogenic activities. Subsequently, numerous natural land resources such as green areas or porous soil, which are less flood-prone and more permeable are being converted into buildings, parking lots, roads and underground utilities that are less permeable to storm water runoff from rain events. With the diminishing of the natural landscape that can drain storm water during a rainfall event, urban underground drainage systems are being designed and built to tackle the excess runoff resulting from urbanization. However, the rapid pace of urbanization has profoundly affected the formation of urban runoff thus resulting in the existing underground drainage system being unable to handle current flow conditions. This paper discusses storm water impacts in urbanized areas globally by reviewing historical storm water events and mitigation strategies accompanied with runoff reduction performance that are considered simultaneously for the purpose of relieving the stress on underground drainage systems. It was found that the stormwater impact on ten selected typical urban areas were enormously destructive followed by billions of direct economy loss, fatalities, damaged properties and residents’ relocations. Furthermore, the meta-analysis of selected six runoff mitigation methods indicated that the average runoff reduction percent ranged from 43% to 61% under different rain events in various installed sites across different event years.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».