Urban Tree Rainfall Interception Measurement and Modeling in WinSLAMM, the Source Loading and Management Model
Notice bibliographique
Résumé
Recently, the role of urban trees in stormwater management has received increasing interest.The interception of rainfall by urban trees has been proposed to provide substantial benefits by reducing runoff rates and quantities.However, few data are available for rainfall interception of trees in typical urban settings, in contrast to research from natural forests that have dense standings of trees.Additional needed information includes:• how interception changes for different seasonal changes in urban tree canopies for different types of trees,• how these interception values vary for different rains; and• how interception affects urban stormwater for typical urban settings.This paper describes a series of direct interception (throughfall) measurements under urban trees and calibrated modeling using WinSLAMM to provide some data to address these questions.This study used a standard rain gauge located in an open area and rain gauges under deciduous water oaks (Quercus nigra) and evergreen loblollly pines (Pinus taeda) trees.A total of 85 rain events were monitored from early December 2018 through January 2020 and were statistically evaluated.It was found that tree type had the most important effect on tree canopy interception, followed by rain amount, while seasonal effects were not as important.The interception under the pine was only important for the smallest rain events, while interception under the oaks varied from about 30% to 50%, depending on the rain amount.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».