Évaluations environnementale, hydrologique et hydraulique d'un enrobé drainant jumelé à une chaussée réservoir en guise d'ouvrage de gestion des eaux pluviales en milieu urbain.
Bibliographic record
Abstract
Ce présent projet de recherche visait à évaluer les performances hydrologique et environnementale d’un enrobé drainant comme mesure de contrôle à la source des eaux pluviales sur un stationnement municipal. Plus spécifiquement, un suivi expérimental d’une durée de deux années a été réalisé sur deux zones du stationnement, soit une première construite suivant la méthode conventionnelle (asphalte imperméable et chaussée classique) et une deuxième dotée d’un enrobé drainant, élaboré par le ministère des Transports du Québec, combiné à une chaussée réservoir. La méthodologie consistait à mesurer le taux d’infiltration de l’enrobé drainant en trois points durant les différentes saisons de l’année, à collecter des données de pluie grâce à un pluviomètre placé sur le site expérimental, à suivre les débits pour une période s’étalant sur 24 mois au niveau d’un regard où les eaux de ruissellement des deux zones sont acheminées, à récolter des échantillons d’eau en temps de pluie ainsi qu’à modéliser le comportement hydrologique et hydraulique de la chaussée réservoir. Les tests d’infiltration ont démontré une grande capacité pour l’enrobé drainant, néanmoins affectée par un effet de colmatage, causé par l’utilisation d’abrasifs en saison hivernale. L’analyse des débits a permis de constater une diminution du volume de ruissellement allant de 68% à 100% et une réduction des débits de pointe de 91% à 100%, pour les 13 événements retenus. À l’échelle de saisons historiques, 2005, 2007, 2008, 2014, 2015, et 2017, entre mai et octobre, la réduction des volumes a atteint 80%. Pour une hauteur totale de précipitation inférieure à 21 mm, d’une période de retour inférieure à 2 ans, aucun ruissellement n’a été constaté pour la zone de l’enrobé drainant. L’analyse des eaux de ruissellement échantillonnées a démontré une amélioration de la qualité des eaux quittant la chaussée réservoir située sous l’enrobé drainant par rapport à celle de l’enrobé conventionnel. La diminution de la concentration de différents contaminants analysés a atteint 75%, 93%, 98%, 99%, 58%, 40%, 54%, respectivement, pour les matières en suspension, les hydrocarbures, le zinc, le cuivre, l’aluminium, le phosphore, et l’azote. The goal of this research project was to evaluate the hydrological and environmental performance of a porous asphalt as a stormwater management practice for a municipal parking lot. More specifically, a two-year experimental monitoring campaign was carried out on two areas of the parking lot, the first built using a conventional method (conventional pavement) and the second equipped with a porous asphalt developed by the Ministère des Transports du Québec combined with a clean stone reservoir. The methodology consisted of measuring the infiltration rate of the porous asphalt at three points during different seasons of the year, collecting precipitation data using an on-site rain gauge located at the experimental site, monitoring flow rates for a period of 24 months at a manhole where runoff from the two areas was routed and collecting water samples during rainfall events, The data was then used to model the hydrological and hydraulic behavior of the porous asphalt. The tests demonstrated a high infiltration capacity of the porous asphalt, nevertheless affected by a clogging effect, due to the use of abrasives in winter. The flow rate analysis revealed a decrease in runoff volume ranging from 68% to 100% and a reduction in peak flow rates from 91% to 100%, depending on the rainfall event. On a seasonal scale, 2005, 2007, 2008, 2014, 2015, and 2017, between May and October, the reduction in volumes reached 80%. For a total precipitation height of less than 21 mm, with a return period of less than 2 years, no runoff was observed for the porous asphalt zone. The analysis of the sampled runoff water showed an improvement in the water quality leaving the reservoir under the porous pavement compared to that of the conventional asphalt. The decrease in the concentration of different contaminants analyzed reached 75%, 93%, 98%, 99%, 58%, 40%, 54%, respectively, for suspended solids, hydrocarbons, zinc, copper, aluminum, phosphorous and nitrogen.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".