MétaCan
Menu
Retour à la cohorte
Enregistrement W3040675818 · doi:10.1061/(asce)he.1943-5584.0001978

Modeling Soil Moisture Redistribution and Infiltration Dynamics in Urban Drainage Systems

2020· article· en· W3040675818 sur OpenAlexaff
Jérémie Sage, Emmanuel Berthier, Marie-Christine Gromaire

Notice bibliographique

RevueJournal of Hydrologic Engineering · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensASTER
Organismes subventionnairesnon disponible
Mots-clésInfiltration (HVAC)Richards equationEnvironmental scienceDrainageHydrology (agriculture)StormwaterSoil waterSurface runoffSoil scienceGeotechnical engineeringGeologyMeteorologyEcology

Résumé

récupéré en direct d'OpenAlex

Hydrological modeling has become a common approach for the design of stormwater management strategies, which increasingly rely on permeable and decentralized systems in order to mitigate the impacts of urbanization. In most applications, little attention is paid to the temporal variability of infiltration fluxes resulting from soil moisture redistribution between rain events. In this paper, a conceptual infiltration-redistribution model is introduced to investigate the importance of the description of infiltration fluxes for the modeling of sustainable urban drainage systems (SUDS). The model was first verified against the numerical solution of the Richards equation. Performance indicators simulated with the model for a large range of infiltration scenarios were then compared to those obtained using simpler approaches commonly used in urban hydrology. The model was shown to replicate, at a low computational cost, numerical solutions of the Richards equation. Regarding SUDS modeling, the results indicated that a correct description of the temporal variability of infiltration fluxes (1) may be needed for some configurations in order to assess long-term volume-reduction efficiencies, and (2) is more generally required when examining frequency-based performance indicators.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,176
Score d'incertitude au seuil0,305

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,008
Tête enseignante GPT0,174
Écart entre enseignants0,166 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations8
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Hydrologic EngineeringMême sujetUrban Stormwater Management SolutionsTravaux en français237 207