A Multi-Dimensional Contribution-Based Framework for Evaluating Urban Stormwater Management Efficiency
Notice bibliographique
Résumé
Urbanization and climate change amplify urban flooding risks, demanding efficient, data-minimal tools to strengthen flood resilience. This study presents a pioneering multi-dimensional framework that quantifies the contributions of source reduction, stormwater pipes, and drainage/flood control systems, circumventing the need for intricate hydrological models. Leveraging rainfall depth (mm), runoff volume (m3), and peak flow rate (m3/h) provides a comprehensive evaluation of stormwater management efficacy. Applied to a hypothetical city, City A, under 30- and 50-year rainfall scenarios, the framework reveals efficiencies of 91.0% for rainfall depth and runoff volume, and 90.8% for peak flow in the 30-year case (9% shortfall), declining to 75.7% peak flow efficiency with a 24.3% deficit in the 50-year scenario, underscoring constraints in extreme-event response. Contributions analysis shows stormwater pipes (42.8–47.6%, mean: 46.0%) and drainage/flood control (40.8–43.2%, mean: 41.6%) predominate, while source reduction adds 11.6–14.0% (mean: 12.4%). A primary contribution lies in reducing data demands by approximately 70% compared to traditional approaches, rendering this framework a practical, scalable solution for flood management and sponge city design in data-limited settings. These findings elucidate system vulnerabilities and offer actionable strategies, advancing urban flood resilience both theoretically and practically.
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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».