MétaCan
Menu
Retour à la cohorte
Enregistrement W90949491 · doi:10.2166/wst.2003.0479

Urban drainage and highway runoff in cold climates: conference overview

2003· article· en· W90949491 sur OpenAlexaff
Maria Viklander, Jiří Maršálek, P-A Malmquist, W. E. Watt

Notice bibliographique

RevueWater Science & Technology · 2003
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSmart Materials for Construction
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésSnowmeltSurface runoffEnvironmental scienceStormwaterSnowUrban runoffHydrology (agriculture)DrainageWater resource managementEnvironmental engineeringGeographyMeteorologyEngineeringEcology

Résumé

récupéré en direct d'OpenAlex

This overview of research findings presented at the conference on urban drainage and highway runoff in cold climates starts with generation of urban runoff and snowmelt, followed by snowmelt and winter runoff quality, best management practices for urban snowmelt and winter runoff, and snow management in urban areas. Research on the urban hydrological cycle is lagging behind the needs in this field, particularly in terms of data availability. The current studies of winter urban runoff quality focus on road salts in the urban environment and their environmental effects. The needs for better source controls in salt applications, improved management of chloride-laden runoff, and selective adoption of environmentally safer alternative de-icers were reported. Adaptation of the conventional stormwater best management practices (BMPs) for winter operation remains a challenge. The first step in refining the existing BMPs for winter operation is to advance the understanding of their operation, as reported for some cases at the conference. Finally, snow management in urban areas may require local storage of fresh (unpolluted) snow and disposal of more polluted snow at central snow disposal sites.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,216
Score d'incertitude au seuil0,947

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,003
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,011
Tête enseignante GPT0,218
Écart entre enseignants0,207 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations12
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Science & TechnologyMême sujetSmart Materials for ConstructionTravaux en français237 207