Simulation of Sustainable Stormwater Drainage Systems in Kuergeng Town Using EPASWMM and Remote Sensing Data
Notice bibliographique
Résumé
Impermeable behaviour of manmade structures and urbanization make surface runoff and flooding more likely, especially in low-lying areas with poor drainage systems. This study aimed to simulate the performance of a sustainable stormwater drainage system designed in Kuergeng Town, Gambella, Ethiopia using EPA software (SWMM 5.1) and remote sensing data. A 30-meter Digital Elevation Model (DEM) and 30-year daily and monthly temperature and precipitation data from the National Aeronautics and Space Administration (NASA), land use/land cover data, and hydrological soil group data were among the important datasets. Using the Thiessen polygon methodology, the total area of 1,280.18 hectares was delineated and divided into six sub-catchments using ESRI software ArcGIS10.3. A 60-year return period obtained from plotting position methods and rainfall depth of 62.15 mm were considered for estimation of the peak runoff (30.31 m³/s) by the Soil Conservation Service Curve Number (SCS-CN) method. The peak runoff of 33.51 m³/s was obtained by simulating the system using SWMM v5.1, which resulted in 10.59% higher than the existing peak runoff. The study concluded that the drainage network should be redesigned considering a safety factor of 10.59% as a correction factor and establishing rain garden in the flood prone area in the town. The results also highlighted the importance of remote sensing data for sustainable stormwater management, especially in the areas with limited onsite data and economic vulnerability.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 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 ».