Urban Stormwater Phosphorus Export Control: Comparing Traditional and Low-impact Development Best Management Practices
Notice bibliographique
Résumé
Data from the International Stormwater Best Management Practices (BMP) Database were used to compare the phosphorus (P) control performance of six categories of stormwater BMPs representing traditional systems (stormwater pond, wetland basin, and detention basin) and low-impact development (LID) systems (bioretention cell, grass swale, and grass strip). Machine learning (ML) models were trained to predict the reduction or enrichment factors of surface runoff concentrations and loadings of total P (TP) and soluble reactive P (SRP) for the different categories of BMP systems. Relative to traditional BMPs, LIDs generally enriched TP and SRP concentrations in stormwater surface outflow and yielded poorer P runoff load control. The SRP concentration reduction and enrichment factors of LIDs also tended to be more sensitive to variations in climate and watershed characteristics. That is, LIDs were more likely to enrich surface runoff SRP concentrations in drier climates, when inflow SRP concentrations were low, and for watersheds exhibiting high impervious land cover. Overall, our results imply that stormwater BMPs do not universally attenuate urban P export and that preferentially implementing LIDs over traditional BMPs may increase TP and SRP export to receiving freshwater bodies, hence magnifying eutrophication risks.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».