Out of the Forest and Into the Concrete Jungle: Challenges, Opportunities, and Innovations in Urban Hydrology
Notice bibliographique
Résumé
Abstract Urbanization markedly alters the movement, storage, and quality of water resources, and two‐thirds of the global population will live in urban areas by 2050. In the context of this accelerating urbanization and the compounding effects of climate destabilization and entrenched environmental injustice, urban hydrologists have the opportunity and responsibility to advance scientific understanding of complex anthropogenic landscapes and support informed decision‐making that effectively meets the needs of these growing urban communities. To meet this challenge, the study of hydrology in cities must integrate built infrastructure, public policy, social justice, public health, and socioeconomic systems. Here we share a collective perspective on the current challenges, recent innovations, and future opportunities for urban hydrology. We identify three key foci for advancing the discipline including (a) a refocused conceptual organization that better integrates physics and people, (b) strategies for building an urban hydrology community of practice, and (c) the enhancement of societal impacts of research. Within these three overarching focal areas, we identify 10 action items for the urban hydrology community, which highlight that advancing the field requires interdisciplinary research collaborations, improved strategic investment in education and training, and institutional support for community‐engaged and/or participatory research and outreach. This perspective offers a comprehensive, yet transferable and adaptive, roadmap for the rapidly evolving field of urban hydrology to address the grand intellectual challenges and community needs surrounding urban water.
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 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| 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 ».