A GIS-Based LID Framework for Sustainable Urban Runoff Management
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Low Impact Development (LID) is one of the most popular sustainable techniques for runoff reduction in urban areas. LID mimics nature by retaining or detaining the runoff at the source. Examples of LID include bioretention cells, green roofs, and porous pavements. While the primary purpose of LID is runoff reduction, several lateral benefits (environmental and socioeconomic) are accrued from LID. \n\nEven though many studies have shown the effectiveness of LID on runoff reduction, investigation around many other aspects of LID has remained limited. Out of all these aspects, there is a significant lack of a systematic decision-making model to rank LID solutions (suggest where to implement LID and what type of LID to use) to maximize the LID benefits. The objective of this dissertation is to develop an innovative simplified geospatial model (referred to as LID-Solution Evaluation and Ranking ApproacH (SERAH)) to rank the LID solutions. SERAH develops a Hydrological-Hydraulic Index (HHI) and integrates it into a Multi Criteria Decision Making (MCDM) model considering the key criteria contributing to the ranking LID solutions. \n\nIn this research, the application and effectiveness of SERAH and its corresponding indices were examined under various case scenarios and case studies (e.g., City of Toronto as the study site). Also, SERAH was validated against physical models such as HEC-HMS and PCSWMM. Further, the HHI was used for modelling climate change and urbanization scenarios for three Canadian metropolitans (Toronto, Montreal, and Vancouver).\n\nThe results of this study show that, unlike the traditional methods which use stormwater modeling for ranking LID solutions, SERAH effectively ranks LID solutions using geospatial analysis. SERAH and its corresponding indices are universally applicable since they have been deductively developed and like many similar methods are not induced and custom-built around a sample dataset. The results of this research lend themselves to the strategic planning of multifunctional sustainable infrastructures (LID); give a holistic insight about current and future demands for LID; integrate multiple disciplines (socioeconomic, environmental, geography, and hydrology) to find comprehensive sustainable solutions; and suggest a future need for similar multidisciplinary research by highlighting the gaps and limitations.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 découle