MétaCan
Menu
Retour à la cohorte
Enregistrement W7116939261 · doi:10.1016/j.jenvman.2025.128416

The next frontier in stormwater management and models: Multispectral and hyperspectral imaging of build-up and wash-off

2025· article· en· W7116939261 sur OpenAlexfundno aff
Buddhi Wijesiri, Dmitry Bratanov, Ana Deletic, Felipe Gonzalez, David McCarthy

Notice bibliographique

RevueJournal of Environmental Management · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensnon disponible
Organismes subventionnairesQueensland University of TechnologyCanadian Anesthesia Research Foundation
Mots-clésHyperspectral imagingMultispectral imageImpervious surfaceStormwaterPollutantMultispectral ScannerEnvironmental monitoringWater quality

Résumé

récupéré en direct d'OpenAlex

Stormwater pollution poses risks to ecosystems and public health, yet traditional monitoring is costly, labour-intensive, and spatially limited. These constraints impede reliable catchment-scale data collection for water quality modelling and management. This study demonstrates a non-contact method using multispectral and hyperspectral imaging to monitor pollutant build-up and wash-off on urban impervious surfaces. Experiments under controlled (5–500 g applied road dust) and natural dry–wet conditions showed that multispectral imaging effectively quantified build-up and wash-off with strong sensitivity to particulates. Pollutant build-up showed a strong relationship with a pre-defined Near Infrared–Long Wavelength Infrared spectral index (controlled conditions, R 2 = 0.98; field conditions, R 2 = 0.7), and the wash-off spectral index followed the same linear trend. In contrast, hyperspectral imaging (272 bands, 400–900 nm) detected particle-bound pollutants such as Fe 3+ via distinct reflectance–absorption features, confirmed using hematite reference spectra from the U.S. Geological Survey Spectral Library. When integrated with unmanned aerial vehicles (UAVs), this approach can replace recurrent physical sampling, reduce monitoring costs, and improve data reliability and coverage. It establishes a novel pathway for catchment-scale stormwater monitoring and modelling, enabling more efficient, data-driven urban water management. • Proof-of-concept for non-contact remote monitoring for stormwater pollutants. • Multispectral imaging tracked road dust build-up and wash-off effectively. • Hyperspectral imaging revealed distinct spectral signatures of heavy metals.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,195
Écart entre enseignants0,188 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental ManagementMême sujetUrban Stormwater Management SolutionsTravaux en français237 207