Impact of urban drainage system malfunctions on pluvial flooding – Peri-urban study site in Austria
Notice bibliographique
Résumé
Study region The study site is the small city of Feldbach, Austria (1.3 km²), recently affected by urban flooding. Study focus Urban drainage system (UDS) infrastructures are prone to malfunctions, which can reduce flow capacity and lead to increased sewer flooding during rainfall events. These malfunctions can cause urban flooding during moderate events where flooding might not otherwise occur or exacerbate flood hazards during heavy rainfall. New hydrological insights for the region This study investigates the impact of malfunctions in central “grey” UDS infrastructures and decentralized “blue-green” infrastructures on urban flood hazard using an integrated 1D/2D urban flood model (PCSWMM). A total of 25 scenarios, including reference and malfunction cases, were analyzed under five rainfall events of varying return periods. The results reveal that malfunctions in central grey infrastructures significantly increase flooded areas by up to 85 %, thereby intensifying urban flood risk. In contrast, malfunctions in decentralized “blue-green” infrastructures have negligible impact (change in flooded area <1 %), primarily due to their limited implementation in the study area. The average increase in flooded area due to drainage system malfunctions decreases with increasing rainfall return periods, from 25.3 % to 4.75 %. This indicates that malfunctions have a greater importance during smaller-scale events. These findings underscore the critical role of proactive sewer asset management in preventing malfunctions and reducing the risk of urban pluvial flooding.
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) | 0,001 | 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) | 0,000 | 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 ».