Predicting stormwater nitrogen loads from a cold-region urban catchment in year 2050 under the impacts of climate change and urban densification
Notice bibliographique
Résumé
Urban stormwater is a primary source of pollution for receiving water, but there is a shortage of studies on pollutant loads from urban catchments in cold regions. In this study, we coupled a build-up and wash-off model (in Mike Urban) with a climate change model to assess the impacts of climate change and urban densification on stormwater nitrogen loads (TN, TKN, NO x -N, and TAN) in an urban catchment in Canada. We calibrated and validated the Mike Urban model against observed event mean concentrations and nitrogen loads from 2010 to 2016. Results show that the nitrogen loads were mainly governed by rainfall intensity, rainfall duration, and antecedent dry days. Future precipitation data were downscaled using the Global Climate Models (GCMs), and three different Representative Concentration Pathways (RCP 2.5, RCP 4.5, and RCP 8.5) were used. Modeling results show that the TN, TKN, NO x -N, and TAN loads in 2050 will increase by 28.5 - 45.2% from May to September under RCP 2.5 compared to those from 2010 to 2016, by 34.6 - 49.9% under RCP 4.5, and by 39.4 - 53.5% under RCP 8.5. The increase of our projected TN load (from 1.33 to 2.93 kg·N/ha) is similar or slightly higher than the limited studies in other urban catchments. This study provides a reference for predicting stormwater nitrogen loads in urban catchments in cold regions.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».