How Scale Influences the Resilience of Urban Water Systems: A Literature Review of Trade-Offs and Recommendations
Notice bibliographique
Résumé
Climate change severely affects urban water systems (UWSs). Infrastructure historically designed for milder conditions cannot manage growing water demands and extreme events. To obtain a resilient water sector, adaptation and mitigation strategies must address rising water challenges while striving for net-zero emissions. Researchers have noted that extreme decentralization is positively associated with closing cycles while reducing transport costs. However, part of the scientific community defends centralized schemes due to economies of scale. The objective of this systematic review is to understand the trade-offs associated with the adoption of different scales at UWSs design and how this impacts system resilience. This process includes identifying different scale trade-offs and unique environmental aspects that influence the optimal scale suitability. A clear distinction was made in terms of scale concept and classification, considering different design levels. That is, considering the UWS at the city level and water management units (WMUs) at the local level. Similarly, a classification of different scales for each level, covering all water streams—supply, wastewater, and stormwater—was introduced. We defined the key environmental aspects that influence the optimal scale and location suitability: ten at the city-catchment level and eleven at the site-neighbourhood level. Scale impacts three major UWSs functionalities that have repercussions on urban resilience: net energy, net water, and ecosystem services (ES).
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) | 0,001 | 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 | 0,001 | 0,001 |
| 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 ».