Development of Mitigation Strategies for Preventing Firewater Runoff into Aquatic Systems from Chemical Storage and Warehousing Facilities
Notice bibliographique
Résumé
This study investigates the environmental risks associated with contaminated firefighting water runoff from hazardous chemical storage facilities. A case study of sixty-three facilities in Gyeonggi Province, Korea, was conducted using a quantitative methodology. Firefighting water generation was estimated for different accident scenarios, and mitigation factors such as hydrants, sprinkler systems, and on-site personnel were considered to adjust discharge volumes. For the representative case facility, the predicted volume was 12,960 tons, reduced to 9,072 tons after accounting for early response capacity. However, on-site storage capacity was only 138 tons, resulting in an estimated external discharge of 8,934 tons. Risk assessment matrices incorporating discharge volume, containment distance, chemical inventory, and ecotoxicity indicated a “high” risk level. These findings were consistent across multiple facilities, demonstrating the broader applicability of the methodology. Comparison with international regulations, including NFPA 30 (United States), CEPA 1999 (Canada), WHG §62 (Germany), and UK guidance, confirmed the importance of structural prevention and institutional coordination. The results emphasize that firefighting water management should extend beyond individual facilities to regional institutional frameworks. This study provides a quantitative basis for strengthening institutional systems for environmental safety and offers practical implications for preventing secondary water pollution.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».