Assessing the water metabolism of coastal urban areas based on the water mass balance framework across time periods: A case study of Cape Town, South Africa
Notice bibliographique
Résumé
The status of water resources in many coastal cities has become increasingly fragile. In a changing climate, the amount and intensity of rainfall have continued to decline, causing some coastal regions to experience severe drought and deteriorated water supply situation. This article presents a comprehensive study of the urban water metabolism of Cape Town, South Africa. A water mass balance framework was utilized to examine the city's water system across four distinct periods. In addition, the water-energy nexus before and after the drought crisis was evaluated. The key findings include a large amount of surface runoff in the Cape Town area that was not utilized before the drought crisis, resulting in a natural loss potential of water supply that is 2.54 times greater than water used for supply systems. During the drought, per capita water consumption dropped by a substantial 25%; at the same time, the total rate of water loss experienced a substantial decrease of approximately 21%. Since the pandemic, Cape Town's water resources policy has shifted to diversifying water sources, and the use of wastewater and natural water losses will be optimized by more than 32% in 2040 to achieve a water-sensitive city. Future research should explore the temporal and spatial dynamics of urban water flows, the impact of socioeconomic factors, and the integration of water system optimization models for enhanced urban water management. • The drought crisis and COVID-19 jointly affect Cape Town's water supply practices. • Cape Town works towards a water sensitive city to reduce the impact of uncertain events. • Desalination, groundwater abstraction, and wastewater reuse are alternative water sources. • Changes to Cape Town's water system have direct implications for energy system performance.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».