A Location Intelligence System for the Assessment of Pluvial Flooding Risk and the Identification of Storm Water Pollutant Sources from Roads in Suburbanised Areas
PBN-AR
Instytucja
Wydział Inżynierii Kształtowania Środowiska i Geodezji (Uniwersytet Przyrodniczy we Wrocławiu)
Informacje podstawowe
Główny język publikacji
angielski
Czasopismo
Water (30pkt w roku publikacji)
ISSN
2073-4441
EISSN
Wydawca
DOI
URL
Rok publikacji
2018
Numer zeszytu
6 ; 746
Strony od-do
1-20
Numer tomu
10
Identyfikator DOI
Liczba arkuszy
Słowa kluczowe
angielski
location intelligence
pluvial flood risk assessment
road run-off management
storm water pollutant sources
green infrastructure
blue infrastructure
urban climate adaptation
Open access
Tryb otwartego dostępu
Inne
Wersja tekstu w otwartym dostępie
Wersja opublikowana
Licencja otwartego dostępu
Inna
Czas opublikowania w otwartym dostępie
Razem z publikacją
Data udostępnienia w sposób otwarty
Streszczenia
Język
angielski
Treść
The interplay of an ever-growing number of inhabitants, sprawl development, soil sealing, changes in urban traffic characteristics, as well as observed climate trends gives rise to more frequent pluvial flooding in cities, a higher run-off of water, and an increasing pollution of surface water. The aim of this research is to develop a location intelligence system for the assessment of pluvial flooding risks and the identification of storm water pollutant sources from roads in newly-developed areas. The system combines geographic information systems and business intelligence software, and it is based on the original Pluvial Flood Risk Assessment tool. The location intelligence system effectively identifies the spatial and temporal distribution of pluvial flood risks, allows to preliminarily evaluate the total run-off from roads, and helps localise potential places for new water management infrastructure. Further improvements concern the modelling of a flow accumulation and drainage system, the application of weather radar precipitation data, and traffic monitoring and modelling.
Inne
System-identifier
PX-5b4c479fd5deec0772646a64
CrossrefMetadata from Crossref logo
Cytowania
Liczba prac cytujących tę pracę
Brak danych
Referencje
Liczba prac cytowanych przez tę pracę
Brak danych