Hydrologic and water quality modelling of bioretention columns in cold regions
Notice bibliographique
Résumé
Abstract Bioretention is widely used in urban sustainable stormwater management; however, limited numerical research has been conducted on its performance in cold regions, particularly for winter snowmelt, spring runoff and summer large storms (>50 mm) for urban flood mitigation. In this study, HYDRUS 1D was used to explore these knowledge gaps. The model was comprehensively calibrated and validated against 2‐year hydrologic and water quality data of four bioretention columns with different designs under lab‐simulated cold region conditions. The Morris method was used to measure the sensitivity and interaction of the calibrated hydraulic parameters. The model revealed that the effective hydraulic conductivity ( K S ) values of the soil media were similar for winter snowmelt and spring runoff when the soil temperature was around −0.5°C. Preferential flow is likely to occur in soil media during winter or spring in cold regions. The summer modelling showed that bioretention could substantially reduce peak flow, ponding depth and duration for large storm events (even for a 1:100 local storm with 83.4 mm in 4 h). The water quality modelling confirmed experimental results that the bioretention effectively removed phosphate and ammonium but had leaching issues for chloride and nitrate. Finally, optimization and recommendations for bioretention columns were provided.
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 | 0,000 | 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 | 0,000 | 0,000 |
| 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 ».