Household Waste Generating Factors and Composition Study for Effective Management in Gorkha Municipality of Nepal
Notice bibliographique
Résumé
Municipal solid waste is a growing concern in cities of developing countries and households are the main contributor. Lack of reliable data sources remain one of the major drawbacks for deciding on effective waste management option. The study area Gorkha municipality is selected because it is one of the highly under-researched and least resource intensive municipalities in Nepal. However, continued growth in municipal waste if left unattended will only intensify the problem and thus demands proactive action. Therefore, the objective of this study is to analyze waste composition and to evaluate the socioeconomic factors impacting household waste generation for effective management. Using stratified sampling method, 401 households were selected from all 15 municipal wards. Socioeconomic factors impacting household waste generation were assessed using Ordinary Least Square regression model. The rate of household waste generation in Gorkha municipality is found to be 0.24 kg/capita/day and estimated total household waste generation of 9.4 tonnes/day. Household size and income are found to have positive impact on waste generation, both statistically significant at 1% and thus can be important indicators to forecast solid waste generation trend. Household waste composition was 47.25% organic waste, 37.52% recyclable waste that comprised of 10.38% paper and paper products, 9.88% glass, 6.92% metal, 5.39% plastic, 3.57% textile and 1.38% rubber and leather, and rest 15.23% other waste. Organic waste has the highest share and if not managed properly, creates serious health and environmental hazards. It could be managed efficiently by composting at household and local government level.
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 | 0,002 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».