MétaCan
Menu
Retour à la cohorte
Enregistrement W2756674455 · doi:10.1080/10934529.2017.1357408

Water quantity and hydrochemical quality monitoring of Laspias River, North Greece

2017· article· en· W2756674455 sur OpenAlexaboutno aff
Georgios D. Gikas

Notice bibliographique

RevueJournal of Environmental Science and Health Part A · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality and Pollution Assessment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTributaryEutrophicationWater qualityEnvironmental scienceAlkalinityChemical oxygen demandEffluentBiochemical oxygen demandPhosphorusEnvironmental chemistryHydrology (agriculture)WastewaterPollutionNutrientTotal dissolved solidsAmmoniumPoint source pollutionTotal suspended solidsNitrateSuspended solidsEnvironmental engineeringChemistryNonpoint source pollutionEcology

Résumé

récupéré en direct d'OpenAlex

The water quantity and quality of Laspias River, located in Xanthi Prefecture, Thrace, North Greece, are studied. A data collection program was designed at five stations along the main river course and its main tributary. Sampling frequency was about once every 10 days. Temperature (T), electrical conductivity (EC), pH, and dissolved oxygen were measured in situ simultaneously with discharge measurements. Moreover, water samples were collected and analyzed for the determination of nitrites, nitrates, ammonium, total phosphorus, biochemical oxygen demand, chemical oxygen demand, total suspended solids and alkalinity, according to standard methods. Anions (i.e., SO4−2 and Cl−) and cations (i.e., Li+, Na+, Mg+2, and Ca+2) were determined using ion chromatography (Dionex ICS-3000 ion chromatograph). The results showed that there is an impact of point (e.g., wastewater treatment plant effluent and farms) and non-point (e.g., agricultural activities) sources of pollution on the EC values, and chloride, nitrogen and phosphorus concentrations in the river water. The trophic state of Laspias River, based on nutrient concentrations, was found eutrophic. Based on the Canadian Council of Ministers of Environment Water Quality Index, the river water quality ranged from “poor” to “marginal” category, indicating the need for management measures in order to improve it.

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)0,002
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 enseignants0,023
Score d'incertitude au seuil0,722

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0000,001
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 Opus0,095
Tête enseignante GPT0,375
Écart entre enseignants0,281 · 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

Citations13
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Science and Health Part AMême sujetWater Quality and Pollution AssessmentTravaux en français237 207