MétaCan
Menu
Retour à la cohorte
Enregistrement W2983302516

Water quality assessment of Kavvayi Lake of northern Kerala, India using CCME water quality index and biological water quality criteria.

2016· article· en· W2983302516 sur OpenAlexaboutno aff
M Shiji, A. R. Sabitha, Kavya Prabhakar, P. S. Harikumar

Notice bibliographique

RevuePubMed · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality and Pollution Assessment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWater qualityWetlandEnvironmental scienceMonsoonSurface runoffHydrology (agriculture)AgriculturePollutionWater resource managementEcologyOceanographyGeologyBiology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Assessment of water quality status of 7 sites of Kavvayi Wetland in northern Kerala (India) was carried out. The physico-chemical, bacteriological and biological parameters were monitored during pre-monsoon, monsoon and post-monsoon seasons. Canadian Council of Ministers of the Environment (CCME) water quality index of the Kavvayi Lake samples ranged from 43.99-44.77; indicating that water quality was threatened or impaired. The poor water quality status might be due to dumping of wastes from municipal and domestic sources and agricultural runoff. Biological water quality criteria (BWQC) determined for wetland revealed that stations such as mixing point of Kariangode River into Kavvayi Lake and Kottikkadavu was moderately polluted in pre-monsoon and post- monsoon seasons. Mixing point of Nileswar River into Kavvayi Lake was moderately polluted in pre-monsoon season. Both calculated indices suggest that quality of lake was found to be influenced by anthropogenic activities such as unscientific tourism and infrastructure development, land encroachment, sand mining, pollution etc. The study was carried out as part of a programme, which aimed to conserve Kavvayi wetland because of its unique ecological and environmental characteristics.

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)0,006
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,059
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,107
Tête enseignante GPT0,338
Écart entre enseignants0,230 · 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.

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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetWater Quality and Pollution AssessmentTravaux en français237 207