Urban Flood Mitigation by Implementing LIDs (Case Study: Bendung Watershed in Palembang City)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Urban areas continue to be affected by flooding, necessitating more sustainable and effective adaptation strategies and mitigation initiatives. This study investigates the potential flood reduction capability achieved through implementing various green infrastructures known as low-impact development (LID). The Bendung watershed, in the center of Palembang City, with a total area of 18.37 km2, is used as the study area to evaluate the performance of LID infrastructure in reducing flood parameters, including total runoff volume, peak runoff discharge, runoff coefficient, and flooding area. Five types of LID infrastructure were simulated, namely bio-retention cells, rain gardens, permeable pavements, rain barrels, and recharge wells. The flood simulations were performed using four design storms with 2-, 5-, 10-, and 25-year return periods. Hydrologic and hydraulic modeling and simulations were carried out using PCSWMM Professional 2D, and the results were integrated with ArcMap to map the flood inundation. The results of this study demonstrate that with only 9.81 percent of the area occupied by LIDs, a flood reduction of more than 30% can be achieved. In addition, implementing LIDs can help restore the watershed’s hydrological condition to its natural state, as indicated by the decrease in the runoff coefficient. Thus, implementing LIDs in a sustainable urban drainage system must be widely promoted in many urban areas, especially in developed countries like Indonesia. This study can be used as a reference for the local government and authorities to create policies and regulations to establish sustainable flood mitigation measures in Palembang City.
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.
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 | 0,001 | 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 découle