Ecosystem functions and services in urban stormwater ponds: Co‐producing knowledge for better management
Notice bibliographique
Résumé
Abstract Urban stormwater management ponds (SWMPs) are widely employed for stormwater control, but knowledge about their contributions to urban ecosystem function and service delivery remains unclear. We organized a workshop that brought together researchers, managers and students to assess and discuss current information on SWMP ecosystem function and services, identify perceived knowledge gaps and prioritize research needs, to advance understanding and management of SWMPs in Ontario, Canada. Workshop participants identified habitat provisioning and regulation of water quality and quantity as key ecosystem functions in SWMPs. They also recognized carbon sequestration, flood prevention, water purification, educational potential, human health promotion and community engagement as important ecosystem services provided by SWMPs. Despite the availability of engineering information and practitioner knowledge, workshop participants suggested that information on the impacts of maintenance operations, biological condition, water quality, costs and benefits and impact on surrounding landscape are important gaps that hinder a modern approach to design and management of SWMPs for multiple co‐benefits. Participants suggested current gaps can be tackled with a combination of continuous water‐quality monitoring, field, laboratory and mesocosm experiments. They also suggested that future SWMP studies take advantage of existing community and governmental databases using meta‐analyses to summarize knowledge and provide future directions. Practical implication: By linking knowledge gaps to management needs, this practice insight provides a road map that can be used to advance management of SWMPs in Ontario and elsewhere.
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 | 0,001 |
| 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 ».