MétaCan
Menu
Retour à la cohorte
Enregistrement W2079451505 · doi:10.1002/clen.201100123

Water Quality Management Based on Division of Dry and Wet Seasons in Pearl River Delta, China

2012· article· en· W2079451505 sur OpenAlexaff
Xiaoyun Fan, Baoshan Cui, Kejiang Zhang, Zhiming Zhang, Hongbo Shao

Notice bibliographique

RevueCLEAN - Soil Air Water · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality and Pollution Assessment
Établissements canadiensUniversity of Calgary
Organismes subventionnairesMinistry of Water ResourcesNational Science Foundation
Mots-clésDry seasonWet seasonWater qualityEnvironmental scienceHydrology (agriculture)Water resourcesSewageSeasonalityPollutionSaltwater intrusionGeographyEnvironmental engineeringBiologyEcologyAquiferGroundwater

Résumé

récupéré en direct d'OpenAlex

Abstract In the Pearl River Delta (PRD), river water quality deteriorates continually due to the population increase and ongoing industrialization and urbanization. In this study, a water quality management paradigm based on the seasonal variation is proposed. For better exploring the seasonal change of water quality, wavelet analysis was used to analyze the division of dry and wet seasons in the PRD during 1952–2009. Then water quality seasonal variation in 2008 and relevant impact factors were analyzed by multivariate statistic methods as a case to make some management measures. The results show that there are some differences of dry and wet seasons division among different years. Wet season mainly appear from April to September, which occupy the largest proportion among the 58 years (about 70%) and then followed by the wet season from May to October (about 13.8% of the total years). As to the water quality of 2008, significant differences exist between dry and wet seasons for 17 water quality parameters except TP, ${\rm NO}_{3}^{- } $ , Fe2+, and Zn2+. Levels of parameters pH, EC, CODMn, BOD5, ${\rm NH}_{4}^{ + } $ , ${\rm SO}_{4}^{2- } $ , and Cl− in dry season are much higher than those in wet season. In dry season the variations of river water quality are mainly influenced by domestic sewage, industrial effluents, and salt water intrusion. While in wet season, except the aforementioned pollution sources, drainages from cultivated land and livestock farm are also the main factors influencing water pollution. Thus, water quality management measures are proposed in dry and wet seasons, respectively. The results obtained from this study would further facilitate water quality protection and water resources management in the PRD.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,018
Tête enseignante GPT0,266
Écart entre enseignants0,248 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations46
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCLEAN - Soil Air WaterMême sujetWater Quality and Pollution AssessmentTravaux en français237 207