Impacts of climate change on urban stormwater runoff quantity and quality in a cold region
Notice bibliographique
Résumé
Climate change poses significant challenges to urban environments affecting both flood risks and stormwater pollutant loadings. However, studies on variations in stormwater runoff quantity and quality in cold regions, which are highly sensitive to climate change, are notably limited. Integrating climatic, hydrologic, and hydraulic modelling, the study assesses the potential impacts of climate change on stormwater runoff volume and pollutant dynamics in a Canadian urban watershed (Calgary). A two-year field program was conducted to support the calibration and validation of the Storm Water Management Model (SWMM). Intensity–duration–frequency curves were employed to evaluate the impacts of climate change on peak flow rate and flooding duration. In addition, typical dry, average, and wet years were applied to continuously simulate stormwater runoff quantity and quality during the 2050s and 2080s. The results suggest substantial increases in peak flow rates and flooding durations, particularly for the 5-year return period rainfall, with 1-h, 4-h, and 24-h peak inflow rates increasing by 74.3% (170.7%), 89.2% (158.4%), and 64.1% (102.8%) in the 2050s (2080s) Furthermore, the runoff quantity is projected to rise by 2.4–10.2% in the 2050s and 11.8–17.5% in the 2080s. Total suspended solids (TSS), total nitrogen (TN), and total phosphorus (TP) loadings are anticipated to increase by 2.0–36.1%, 3.1–21.4%, and 4.1–20.7%, respectively. As a result, the current stormwater system could overload and stormwater quality is likely to deteriorate under the impact of climate change. The findings are beneficial for cold regions to develop adaptive strategies that enhance urban water security and environmental sustainability under climate change. • SWMM is effective in simulating runoff quantity and quality in cold urban regions. • IDF curves are expected to intensify in Calgary under climate change. • Peak flow rate and flooding duration are projected to increase. • Dry and average years have higher increases in pollutant loadings than a wet year. • Pollutant washoff loadings are affected by rainfall characteristics.
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 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».