Laboratory Study on the Hydraulic Performance of Bioretention for Stormwater Management in Cold Climates
Notice bibliographique
Résumé
Bioretention has shown effective stormwater peak flow and volume reduction in warm and temperate climates. However, the applicability of bioretention for successful stormwater management in cold and semi-arid regions such as Edmonton is still not well understood. Four large bioretention columns were designed for this study and set up in a temperature-controlled laboratory with the capacity of lowering temperature to – 20 °C. Designed storm events were applied and monitored for 1st summer operation, one winter exposure and 2nd summer operation. Synthetic stormwater was applied weekly in summer conditions to investigate the hydraulic performance of two different soil types, with and without an internal water storage layer. Column 1 and Column 3, with less porous soil media (50.8% sand, 29.4% silt, and 19.8% clay), were shown to effectively attenuate peak flow for 1:2 year events, with a mean peak flow reduction of 83% and 91% respectively in 1st summer, and 77% and 73% respectively in 2nd summer. Column 2 and Column 4, with more porous soil media (67.2% sand, 19.6% silt, and 13.2% clay), maintained high hydraulic conductivity (9.6 cm/hr and 9.1 cm/hr respectively) after 2nd summer operation. Under winter conditions, columns with more porous soil media retained more volume of water within the columns, took less time for soil thawing and water breakthrough, and ponding vanished faster over frozen soil than columns with less porous soil media. After columns underwent an extreme winter condition of columns frozen at 20 °C air temperature three times, their hydraulic performance was able to rebound quickly. All columns successfully managed 1:2 year events in terms of the infiltration rate, ponding depths and durations. Preliminary results also showed that both less and more porous soil media have the potential to accept and drain the less frequent, large volume events (1:5 and 1:10 year events).
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».