MétaCan
Menu
Retour à la cohorte
Enregistrement W2253872370

Water quality evaluation of shallow wells in Kokrajhar Town of Assam, India

2014· article· en· W2253872370 sur OpenAlexaboutno aff
Babulal Das

Notice bibliographique

RevueInternational Journal on Environmental Sciences · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality and Pollution Assessment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTube wellWater qualityPopulationGroundwaterQuarter (Canadian coin)ChlorideTotal dissolved solidsPhosphateHeavy metalsToxicologyGeographyEnvironmental engineeringEnvironmental scienceWater resource managementEnvironmental chemistryChemistryGeologyEcologyBiologyArchaeologyEnvironmental health
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Kokrajhar town is the head quarter of Bodoland Territorial Area District (BTAD). This is one of the developing towns of western Assam. The town covers an area 8.24 sq km. There are ten wards in the town. The population of the town is 31972. The people of the town mainly depend on groundwater for drinking and their daily other needs. The major types of sources are ring well, tube well and few deep tube well. In this work, an attempt has been made to evaluate the water quality of 10 of the most-used shallow tube wells by monitoring the common quality parameters like temperature, pH, conductivity, total dissolved solids, hardness, bicarbonate, chloride, sulphate, phosphate, fluoride, common metals like Ca, Mg, Na, K, Fe and trace metals like As, Cd, Cu, Mn and Zn. The water is characterized by very high phosphate (0.08 to 0.22 mg/L) and iron content (0.2 to 1.1 mg/L) exceeding the maximum prescribed limit of World Health Organization in many cases. Many of the sources have Cd (0.039 to 0.142 mg/L) above WHO permissible limits. The study has shown important results indicating that even in an under-developed area, water quality problems exist. The results have been explained on the basis of known water-related problems associated with the people living in the area.

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)0,006
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,131
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

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 Opus0,050
Tête enseignante GPT0,346
Écart entre enseignants0,296 · 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.

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 revueInternational Journal on Environmental SciencesMême sujetWater Quality and Pollution AssessmentTravaux en français237 207