MétaCan
Menu
Retour à la cohorte
Enregistrement W4388852479 · doi:10.2166/wpt.2023.209

Characterizing hydrological-sensitive areas of the Kinyerezi river sub-catchments in Dar es Salaam, Tanzania using the topographic index approach

2023· article· en· W4388852479 sur OpenAlexaboutno aff
Livingstone Swilla, Zacharia Katambara, Mwajuma Lingwanda

Notice bibliographique

RevueWater Practice & Technology · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesWater Institute of the Gulf
Mots-clésSurface runoffHydrology (agriculture)Drainage basinTributaryEnvironmental scienceInfiltration (HVAC)SiltGeologyGeographyGeomorphologyCartography

Résumé

récupéré en direct d'OpenAlex

Abstract Several areas experience frequent floods due to anthropogenic activities. Among them, is the Dar es Salaam city, which experiences frequent floods along the Msimbazi River, whose flows originate from different tributaries including the Kinyerezi River. This study aims to evaluate the hydrological-sensitive areas of the Kinyerezi River sub-catchments using topographic index values (λ*) that enable the identification of areas with a higher probability of generating surface runoff. A digital elevation model was utilized to delineate the Kinyerezi River sub-catchment characteristics using ArcGIS 10.4. Soil infiltration rates (Ks) on selected open places were determined using a Guelph permeameter. Soil particle size distributions were analyzed and the λ* values were evaluated. The results showed the particle size distribution contains sand and silt-clay ranging from 46 to 84% and 16 to 53%, respectively. The Ks ranged from 0.6 to 7.8 mm/h while the sub-catchment KS3 scored the highest λ* value of about 10.7. Hence, there is a higher probability for generating surface runoff. Sub-catchment KS16 scored the smallest λ* value of 5.7, perceived to generate less surface runoff. Low-impact development practices capable of capturing runoff and enabling infiltration, evaporation, and detention should be employed in sub-catchments with higher λ* values.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,023
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,015
Tête enseignante GPT0,238
Écart entre enseignants0,222 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Practice & TechnologyMême sujetHydrology and Watershed Management StudiesTravaux en français237 207