MétaCan
Menu
Retour à la cohorte
Enregistrement W2619070570 · doi:10.5376/ijms.2017.07.0016

Status and Impacts of Industrial Pollution on the Karnafully River in Bangladesh: A Review

2017· review· en· W2619070570 sur OpenAlexvenueno aff
Md. Simul Bhuyan, Md. Shafiqul Islam

Notice bibliographique

RevueInternational Journal of Marine Science · 2017
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality and Pollution Assessment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPollutionWater resource managementEnvironmental planningEnvironmental scienceRiver pollutionGeographyEnvironmental protectionEcology

Résumé

récupéré en direct d'OpenAlex

Rapid growth of urbanization and industrialization in Bangladesh has been coupled with increasing environmental pollution. The coastal and estuarine ecosystems of the country are now facing increasing pollution pressures because of the elevated level of waste discharges from various sources. Major sources of pollution include domestic sewage, industrial waste, commercial waste, agricultural waste, institutional waste, street sweepings, construction debris, mining activities and sanitation residues etc. In this review, status and effect of solid waste pollution, heavy metal pollution, organochlorine pesticides pollution and oil pollution along with the Karnafully River Estuary is assessed by a comprehensive review, recorded by researchers especially on water, sediment and aquatic biota. Different study show that metal concentrations in estuarine water relatively higher due to rapid acceleration of industrial sector. Metal concentrations is higher in fish than water and sediment. Elevated level of trace metals is highly detrimental for fish and human mechanism shown by different studies. Oil pollution is responsible for environmental deterioration due to its adverse effects on estuarine biota, fish and shellfishes, phytoplankton and zooplankton. Industrialization is needed for the development of the country. But it should be eco-friendly for the effective and sustainable development and for the protection of the environment (aquatic).

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,005
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,136
Tête enseignante GPT0,402
Écart entre enseignants0,266 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Marine ScienceMême sujetWater Quality and Pollution AssessmentTravaux en français237 207