MétaCan
Menu
Retour à la cohorte
Enregistrement W4293081180 · doi:10.3133/cir1496

Green infrastructure in the Great Lakes—Assessment of performance, barriers, and unintended consequences

2022· article· en· W4293081180 sur OpenAlexaboutno aff
Nancy T. Baker, Daniel J. Sullivan, William R. Selbig, Ralph J. Haefner, David C. Lampe, E. Randall Bayless, Michael R. McHale

Notice bibliographique

RevueU.S. Geological Survey circular/U.S. Geological Survey Circular · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStormwaterSurface runoffUrbanizationUnintended consequencesGreen infrastructureGovernment (linguistics)Environmental planningWater qualityInvestment (military)BusinessGeographyEnvironmental resource managementEnvironmental sciencePoliticsPolitical science

Résumé

récupéré en direct d'OpenAlex

First posted August 25, 2022 For additional information, contact: Director, Upper Midwest Water Science CenterU.S. Geological Survey1 Gifford Pinchot DriveMadison, WI 53726Contact Pubs Warehouse The Great Lakes Basin covers around 536,393 square kilometers, and the Great Lakes hold more than 5,400 cubic miles of water, accounting for more than 20 percent of the world's fresh surface water supply. The Great Lakes provide a source of drinking water to tens of millions of people in Canada and the United States and support one of the most diverse ecosystems in the world. Increasing urbanization combined with aging infrastructure and more extreme storm events because of changing weather patterns creates stormwater management challenges for communities across the Great Lakes region. A variety of green infrastructure (GI) practices, designed to decrease runoff and improve water quality, have been implemented throughout the region in response to these challenges; however, implementation often remains limited to local efforts and with little coordination among various levels of government because of, at least in part, a lack of clear standards for stormwater, limited funding, and a general uncertainty in the type and expected performance of these practices. City planners, engineers, and political leaders often see GI investment as riskier than other alternatives despite studies that determined, in most cases, practices can either reduce or not affect costs.This report summarizes selected published reports and data sources from studies done in Great Lakes states and compares the measured effects of various GI practices and their applicability in different settings around the Great Lakes. By summarizing selected published reports and data sources from studies done in Great Lakes states, this report provides foundational information for U.S. Geological Survey scientists and their local and national partners to assess the ability of GI to reduce stormwater runoff in Great Lakes urban areas. GI includes a variety of stormwater management techniques designed to mimic natural hydrologic processes like infiltration and evapotranspiration, which can decrease the volume of water running into sewers and streams. It can also improve water quality by trapping sediment, nutrients, and other contaminants. A variety of landscape practices can be incorporated into urban areas as GI, but the discussion here is limited to vegetated basins, vegetated channels, permeable pavement, urban tree canopy, and green roofs. Other types of GI, such as downspout disconnection, rainwater harvesting, and wet and dry detention basins were not included because hydrologic function and associated components are not widely monitored or evaluated in literature.

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)0,011
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,005
Communication savante0,0000,000
Science ouverte0,0020,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,000

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 Opus0,028
Tête enseignante GPT0,239
Écart entre enseignants0,211 · 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.

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

Citations15
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueU.S. Geological Survey circular/U.S. Geological Survey CircularMême sujetUrban Stormwater Management SolutionsTravaux en français237 207