The Driving Forces of Point Source Wastewater Emission: Case Study of COD and NH4-N Discharges in Mainland China
Notice bibliographique
Résumé
Excess consumption of water resources and environmental pollution have become major challenges restricting sustainable development in China. In order to prevent the pollution of water resources, policymakers should have reliable emission reduction strategies. This paper aims to contribute new knowledge by analyzing the spatial-temporal characteristics and driving forces of point source emission. The chemical oxygen demand (COD) and ammonia nitrogen (NH4-N) emission variations in 31 provinces and municipalities of mainland China during the years 2004–2017 are analyzed. The results obtained using the logarithmic mean Divisia index (LMDI) method indicate that: (1) the COD and NH4-N emission effects have similar temporal characteristics. Technology improvement and pollutant emission intensity are the main factors inhibiting the incremental COD and NH4-N emission effects, while economic development is the main driving factor of COD and NH4-N emission effects. Population increases play a relatively less important role in COD and NH4-N emission effects. (2) The spatial features of COD and NH4-N emission effects show differences among provinces and municipalities. The reduction of COD emission effects in each province and municipality is obviously better than that of NH4-N emissions. (3) In the eastern, central, and the western regions of China, the total COD emission effect shows a downward trend, while apart from the central region, the NH4-N emission effect appears to be rising in the east and west of China. Therefore, increasing investment into pollution treatment, promoting awareness of water conservation, strengthening technological and financial support from the more developed eastern to the less developed central and western regions, can help to reduce the COD and NH4-N emissions in China.
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 ».