Steering towards the most adequate performance indicator for an economic and hydrological evaluation of low-impact development practices
Notice bibliographique
Résumé
Low-impact development practices, including rain gardens and bioretention systems, can help mitigate combined sewer overflows (CSO) in urban areas. However, selecting the most appropriate economic indicator for evaluating their cost-effectiveness remains a key challenge for decision-makers. A methodology was developed in this study to guide the selection of the most suitable low-impact development implementation scenario for reducing CSOs. Various performance indicators were compared, including net present value, benefit-cost ratio, cost-effectiveness, and benefit per runoff reduction, to identify the optimal scenario. Applied to two case studies in Quebec, Canada, under various implementation scenarios using continuous rainfall data, the methodology revealed that bioretention systems achieved 83-100 % CSO frequency reduction in Laval and 43-58 % in Montreal, rain gardens showed superior benefit-cost ratios (up to 3.43 in Laval, 1.84 in Montreal) and net present values reached 4.47M CAD in Laval and 80.1M CAD in Montreal at 4-5 % implementation rates. The findings also demonstrate that relying solely on the benefit-cost ratio can be misleading, as it overlooks total investment considerations. Instead, a multi-criteria approach integrating hydrological performance and economic indicators is essential for informed decision-making. This study provides a framework for optimizing low-impact development implementation in urban drainage networks, ensuring regulatory compliance and maximizing long-term benefits.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».