Impact of pharmaceutical industry treated effluents on the water quality of river Uppanar, South east coast of India: A case study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The water quality of a river that received pharmaceutical industrial effluents is evaluated through the analysis of two indices to describe the level of pollution of the river, in this paper. The indices have been computed from December 2009 to June 2011 at four sampling stations—outlet, outfall, upstream, and downstream in the Uppanar River located at Cuddalore (South east coast of India). The results were compared with the guidelines of Bureau of Indian standards for drinking water specifications (BIS 10500).The study also identifies the pollutants of pharmaceutical industrial effluents before and after treatment that affects the river water quality. Data on spatial and temporal changes in dissolved oxygen, biochemical oxygen demand, chemical oxygen demand, pH, temperature, color, electrical conductance, total dissolved solids, total suspended solids, calcium, magnesium, hardness, sodium, and chloride were collected. The water quality indices used, Bascarón ( 1979 ) adapted Water Quality Index (WQI BA ) and the Canadian Council of Ministers of the Environment-Water Quality Index 1.0 (CCME WQI), which is a well-accepted and universally applicable computer model for evaluating the water quality index. Both the indices presented similar trends, and were considered adequate for evaluating the impacts of industrial effluent on the river water bodies.
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.
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 | 0,002 | 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 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle