MétaCan
Menu
Retour à la cohorte
Enregistrement W2085927064 · doi:10.5539/enrr.v4n4p238

The Effects of Polluted River Water to the Riverside Groundwater, Case in Niger River in Koulikoro

2014· article· en· W2085927064 sur OpenAlexvenueno aff
Traoré Drissa

Notice bibliographique

RevueEnvironment and Natural Resources Research · 2014
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGroundwater and Isotope Geochemistry
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGroundwaterEnvironmental scienceWater resource managementHydrology (agriculture)Surface waterWater qualityWater resourcesPollutionRecreationLaundryPopulationEnvironmental engineeringGeographyGeologyEcology

Résumé

récupéré en direct d'OpenAlex

Ground water demand is increasing in many African nations due to a number of factors. The growth of population, climate change, increase pollution of rivers, and insufficient number of purifying stations and waste water treatment (or almost nonexistent) have pushed to the water authorities for exploitation of underground water. These underground /groundwater have a relationship with surface water. Then what can be the effects of polluted River to its riverside groundwater? To explore the answer of this question and for the prevention sustainable and a better integrated management of water resources, we will do in-depth study on “the relationship between river water and riverside ground”. In Koulikoro region the results of this research show that Surface waters have poor bacteriological quality, the amount of total coliforms is very high, and accordingly Niger River’s waters are not allowed for consumption without treatment. However the river water can be safely used for laundry, bath, sports and recreation. Generally the Groundwater quality is good despite increased salinity has been observed sporadically. We found also that for the entire region of Koulikoro the average infiltration rate is less than 19.8% of the gross rainfall.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,114
Score d'incertitude au seuil0,885

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
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 Opus0,008
Tête enseignante GPT0,219
Écart entre enseignants0,210 · 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 tête enseignante, 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

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and Natural Resources ResearchMême sujetGroundwater and Isotope GeochemistryTravaux en français237 207