Modified-DRASTIC, modified-SINTACS and SI methods for groundwater vulnerability assessment in the southern Tehran aquifer
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study aims to modify the SINTACS and DRASTIC models with a land-use (LU) layer and compares the modified-DRASTIC, modified-SINTACS and SI methods for groundwater vulnerability assessment (GVA) in the southern Tehran aquifer, Iran. Single parameter sensitivity analysis (SPSA) served to determine the most significant parameters for the modified-DRASTIC, modified-SINTACS and SI approaches, and to revise model weights from "theoretical" to "effective." The inherent implementation of LU in the SI model may explain its better performance compared to unenhanced versions of DRASTIC and SINTACS models. Validation of all models, using nitrate concentrations from 20 wells within the study area, showed the modified-SINTACS model to outperform other models. The SPSA showed that the vadose zone and LU strongly influenced the modified-DRASTIC and modified-SINTACS models, while SI was strongly influenced by aquifer media and LU. To improve performance, models were implemented using "effective" instead of "theoretical" weights. Model robustness was assessed using nitrate concentrations in the aquifer and the outcomes confirmed the positive impact of using "effective" versus "theoretical" weights in the models. Modified-SINTACS showed the strongest correlation between nitrate and the vulnerability index (coefficient of determination = 0.75). Application of the modified-SINTACS while using "effective" weights, led to the conclusion that 19.6%, 55.2%, 23.4%, and 1.6% of the study area housed very high, high, moderate and low vulnerability zones, respectively.
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.
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 | 0,006 | 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle