Spatial Variability of Metals in Surface Water and Sediment in the Langat River and Geochemical Factors That Influence Their Water-Sediment Interactions
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
This paper determines the controlling factors that influence the metals' behavior water-sediment interaction facies and distribution of elemental content ((75)As, (111)Cd, (59)Co, (52)Cr, (60)Ni, and (208)Pb) in water and sediment samples in order to assess the metal pollution status in the Langat River. A total of 90 water and sediment samples were collected simultaneously in triplicate at 30 sampling stations. Selected metals were analyzed using ICP-MS, and the metals' concentration varied among stations. Metal concentrations of water ranged between 0.08-24.71 μg/L for As, <0.01-0.53 μg/L for Cd, 0.06-6.22 μg/L for Co, 0.32-4.67 μg/L for Cr, 0.80-24.72 μg/L for Ni, and <0.005-6.99 μg/L for Pb. Meanwhile, for sediment, it ranged between 4.47-30.04 mg/kg for As, 0.02-0.18 mg/kg for Cd, 0.87-4.66 mg/kg for Co, 4.31-29.04 mg/kg for Cr, 2.33-8.25 mg/kg for Ni and 5.57-55.71 mg/kg for Pb. The average concentration of studied metals in the water was lower than the Malaysian National Standard for Drinking Water Quality proposed by the Ministry of Health. The average concentration for As in sediment was exceeding ISQG standards as proposed by the Canadian Sediment Quality Guidelines. Statistical analyses revealed that certain metals (As, Co, Ni, and Pb) were generally influenced by pH and conductivity. These results are important when making crucial decisions in determining potential hazardous levels of these metals toward humans.
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 | 0,007 | 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 | 0,001 |
| 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) | 0,001 | 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