Review of climate change and drinking water supply systems: employee perspectives and potential tools for adaptation
Notice bibliographique
Résumé
Climate change (CC) causes extreme meteorological events such as floods, droughts, water scarcity, heat waves, wildfires, and extreme cold. CC may also damage public infrastructures such as drinking water systems (DWSs) and reduce water quality from source to tap. The objective of this review paper is to provide a critical analysis of (1) the impact of CC on the three components of the DWSs: source, treatment, and distribution; (2) the perspectives of DWS employees on CC impacts and adaptation solutions for maintaining water quality; and (3) decision support systems (DSSs) that could be used by DWS employees for CC adaptation. A bibliographic research was conducted using international databases and search engines. The search for scientific articles resulted in the selection of 5234 articles, 78 of which were analyzed in more detail for the elaboration of this scoping review. This review shows that the impacts of CC on water quality are significant, but DWS employees are not enthusiastic about developing adaption measures. This review also shows that DSSs can help DWS employees facilitate the CC adaptation process for the protection of source water, improve water treatment plant operations, and enhance routine management of water quality in the distribution system. Further research is needed to identify strategies that might increase the awareness of and interest in climate change impacts, adaptation, and the use of DSSs among DWS employees.
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 | 0,000 |
| 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 ».