Water Quality Index (WQI) of River Tapti-Surat, Gujarat, India
Notice bibliographique
Résumé
Water quality monitoring is an important aspect of water management concerning to the pollution control. Present communication deals with study of physico-chemical parameters such as pH, temperature , total dissolved solids (TDS),total suspended solids (TSS), total alkalinity (TA), , total hardness (TH), chloride (Cl), fluoride (F), sodium (Na), calcium (Ca), magnesium (Mg), sulphate (SO4), nitrate(NO3), nitrite (NO2), dissolved oxygen (DO), biochemical oxygen demand (BOD), chemical oxygen demand (COD) and heavy metals like chromium (Cr), arsenic (As), lead (Pb) and cadmium (Cd) of water samples from five sampling sites of River Tapti, Surat, Gujarat state, India. The water samples were collected at regular interval of 30 days for two consecutive years 2008-2009. The experimental values of water samples were compared with standard values given by World Health Organization (WHO). Water Quality Index (WQI) was also calculated to know the overall quality of water samples by using Water Rating System adapted by Canadian Council for Minister of the Environment (CCME-WQI). The data were analyzed statistically to identify those parameters which are responsible for variation in Water Quality Index (WQI). To identify those parameters we have done correlation analysis, testing of hypothesis, factor analysis and regression Analysis by using SPSS (Statistical Package for Social Science). The results show that the quality of water is poor and not good for drinking or irrigation purpose. The variance was found significant at 1% level of significance in case of and turbidity, BOD, Cr and Pb. It was found significant at 5% level in case of COD.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».