MétaCan
Menu
Retour à la cohorte
Enregistrement W3203772123 · doi:10.1051/e3sconf/202130801010

Sustainability assessment and environmental impacts of water supply systems: a case study in Tampa Bay water supply system

2021· article· en· W3203772123 sur OpenAlexaff
Shen Yizhi, Wei Minrui

Notice bibliographique

RevueE3S Web of Conferences · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater-Energy-Food Nexus Studies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésDesalinationEnvironmental scienceSustainabilityWater supplyBayWater qualityEnvironmental impact assessmentEnvironmental engineeringWater resourcesAquiferGroundwaterWater resource managementEnvironmental protectionEngineeringEcology

Résumé

récupéré en direct d'OpenAlex

Due to the accelerated industrial and urbanization development, climate change, and increasing populations and life quality expectations, the issue of drinking water shortage has raised much public awareness. The desalination system has been widely applied to accommodate the growing demand for clean water resources despite the continuous concerns about its relatively higher energy consumption and environmental footprints. This research conducted a case study in the Tampa Bay Regional Surface Water Treatment Plant and Tampa Bay Seawater Desalination Plant in Florida, U.S. It analysed the performance and environmental impacts of conventional and desalination water supply systems on three sides: energy consumption, carbon footprint, and solid waste. Potential negative effects of both water supply systems are generally associated with surface water ecology, groundwater aquifers, coastal environment, and marine organisms. Various environmental impact mitigation plans have been proposed to prevent or restore the detriments caused by carbon dioxide emissions, plant construction, and concentrated brine discharge. Due to the deficiency in freshwater resources, desalination technology is more promising through proper regulations and regional sustainable development.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,075
Score d'incertitude au seuil0,149

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,011
Tête enseignante GPT0,244
Écart entre enseignants0,233 · 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'étudeObservationnel
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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueE3S Web of ConferencesMême sujetWater-Energy-Food Nexus StudiesTravaux en français237 207