MétaCan
Menu
Retour à la cohorte
Enregistrement W4210602636 · doi:10.1016/j.jclepro.2022.130660

Nature-based solutions coupled with advanced technologies: An opportunity for decentralized water reuse in cities

2022· article· en· W4210602636 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJournal of Cleaner Production · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConstructed Wetlands for Wastewater Treatment
Établissements canadiensnon disponible
Organismes subventionnairesHorizon 2020 Framework ProgrammeMinisterio de Ciencia e InnovaciónMinisterio de Asuntos Económicos y Transformación Digital, Gobierno de EspañaMinisterio de Economía y CompetitividadGeneralitat de CatalunyaEuropean CommissionMinisterio de Ciencia, Innovación y UniversidadesCentres de Recerca de CatalunyaCanadian Institute for Advanced Research
Mots-clésReuseBusinessEnvironmental economicsEnvironmental planningWaste managementEnvironmental scienceEngineeringEconomics

Résumé

récupéré en direct d'OpenAlex

Decentralized water reuse in cities is a prominent alternative to mainstream top-down models for urban water treatment, which are based on centralized, linear dynamics of resource management. In this sense, Nature-based Solutions (“green” technologies) coupled with advanced technologies (“grey” technologies) constitute a promising approach for fomenting onsite water treatment and reuse in cities, while also providing multiple co-benefits. This article puts forward a conceptual advancement by providing a better understanding of coupled “green-grey”/“grey-green” technologies (CGGT). To do this, we critically discuss the main reasons for pairing these technologies instead of using them separately, as well as their treatment performance and constraints regarding data reporting issues. Moreover, the article discloses the most common treatment configurations, water quality parameters being evaluated, potential reuse schemes, costs, and energy requirements. A systematic selection and analysis of scientific articles was carried out to this end. Of 395 pre-selected articles, only 17 addressed coupled (green-grey/grey-green) technologies in the treatment of urban wastewaters for further reuse or safe discharge onsite. Despite the relatively low number of articles, 80% were published in the past five years, showing the increased interest in this novel topic. The selected articles were analysed and here we present the resulting comprehensive Excel database (343 datasets) containing detailed information about the design, operation, and performance of such systems. Green-grey technologies were found to be predominant, the configuration constructed wetlands followed by advanced oxidation process and electrochemical process being the most studied. Grey technologies are normally applied at a second stage to remove pathogens in compliance with reuse standards (normally when green technologies alone cannot deliver the standards). Meanwhile, green technologies are commonly used at a second stage to break down slowly biodegradable substances that have not been completely removed by grey technologies (normally as a polishing step following grey technology). The design parameters for combining these technologies have not yet been fully optimized, since they were mainly designed as sole technologies and forcibly put together as a coupled treatment. Hence, further studies should focus on variables and parameters influencing the functioning of coupled technologies as a whole. Finally, due to the novelty and relevance of the topic, transparency and consistency in data reporting is essential to support the optimization and competitiveness of coupled green-grey/grey-green technologies against existing decentralized/centralized approaches.

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.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,630
Score d'incertitude au seuil0,315

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,014
Tête enseignante GPT0,235
Écart entre enseignants0,220 · 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