Large dam renewals and removals—Part 1: Building a science framework to support a decision‐making process
Notice bibliographique
Résumé
Abstract Altered rivers and managed flows are a hallmark of civilization and dams are a principal agent of alteration. Peak dam construction occurred at the turn of the last century in Western countries, and many of the largest dams are reaching the end of their service life. As a result, dam operators are increasingly facing a complex renewal/removal decision‐making process in a large part because the economic and social values of dams have changed. The Mactaquac Hydroelectric Generating Station (New Brunswick, Canada), operated by NB Power Corporation (NB Power), is Canada's 25th largest dam and it is reaching the end of its service life. A decision is required for the dam's future state and three options were originally proposed: renew, rebuild, or remove. An overarching science framework was developed with NB Power to inform and support decision‐making for the dam's decision process and an impending Environmental Impact Assessment. The framework guides research and monitoring for dam renewal/removal using science‐based solutions that aim to minimize impacts on the aquatic environment while supporting an efficient and cost‐effective decision‐making process. The framework has five components: (a) establish long‐term baselines of environmental conditions; (b) develop normal ranges describing the river's natural variability; (c) integrated physical and biological modelling; (d) assess the specific and cumulative state of fish passage; and (e) create and sustain a user‐friendly geospatial data management system. In this paper we present a case study that implements the science framework (Part 1) through the Mactaquac Aquatic Ecosystem Study (MAES) with a view to revisit and assess its final impact post‐project completion (Part 2).
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 | 0,001 | 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 | 0,000 | 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 ».