پایش کیفیت آب رودخانههای استان خوزستان جهت مصارف شرب، صنعت و کشاورزی با استفاده از شاخصهای IRWQIsc و NSFWQI
Notice bibliographique
Résumé
Background and Aim: Monitoring water quality is so important so as to decide about using them. So, this research was conducted to evaluate Khuzitan’s river water quality. Materials and Methods: The rivers were studied consist of Dez, Karkheh, Maroon, Karoon and Zohreh. Data collecting was applied during 2018 for each river from specified stations. So, water quality standard of Iran, WHO and Canadian council of ministers of the environment, and Shoeller diagram and Wilcox diagram were used. In addition, IRWQIsc and NSFWQI standards were used to categorize river water quality. Results: The results showed that Dez water was industrially corrosive, while other rivers had sedimentary water for industrial use. The water quality of Dez was better than other rivers in Khuzestan province, but this river also had high magnesium, hardness and chlorine based on the Shoeller diagram. The quality of this river was better for agricultural purposes rather than the others. Karun River was moderately better than other rivers, and water quality is better upstream than downstream. According to IRWQIsc index, the water quality variations of Dez, Karkheh, Karoon, Maroon and Zohreh were 71-83, 41-52, 39-55, 33-41 and 25-32, respectively. The results of NSFWQI index for Dez, Karkheh, Karoon, Maroon and Zohreh rivers showed that the values of these rivers varied between 65-77, 55-70, 58-68, 52-60 and 36-48, respectively. Conclusion: Thus Dez River was in relatively good condition. Karoon and Karkheh rivers were in moderate condition and other rivers were in relatively poor condition. According to all indices, water quality of Zohreh River was in poor condition and Dez River was in good condition. Other rivers had medium quality.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,007 |
| Science ouverte | 0,009 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,211 | 0,004 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».