Trace metals contamination in groundwater and implications on human health: comprehensive assessment using hydrogeochemical and geostatistical methods
Notice bibliographique
Résumé
Abstract Monitoring the groundwater chemical composition and identifying the presence of pollutants is an integral part of any comprehensive groundwater management strategy. The present study was conducted in a part of West Tripura, northeast India, to investigate the presence and sources of trace metals in groundwater and the risk to human health due to direct ingestion of groundwater. Samples were collected from 68 locations twice a year from 2016 to 2018. Mixed Ca–Mg–HCO 3 , Ca–Cl and Ca–Mg–Cl were the main groundwater types. Hydrogeochemical methods showed groundwater mineralization due to (1) carbonate dissolution, (2) silicate weathering, (3) cation exchange processes and (4) anthropogenic sources. Occurrence of faecal coliforms increased in groundwater after monsoons. Nitrate and microbial contamination from wastewater infiltration were apparent. Iron, manganese, lead, cadmium and arsenic were above the drinking water limits prescribed by the Bureau of Indian Standards. Water quality index indicated 1.5% had poor, 8.7% had marginal, 16.2% had fair, 66.2% had good and 7.4% had excellent water quality. Correlation and principal component analysis reiterated the sources of major ions and trace metals identified from hydrogeochemical methods. Human exposure assessment suggests health risk due to high iron in groundwater. The presence of unsafe levels of trace metals in groundwater requires proper treatment measures before domestic use.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».