Study on the use of the Indonesian water quality index method, CCME, pollution index and storet in determining water quality status - Case study of the Cirarab River
Notice bibliographique
Résumé
Water Quality Index (WQI) is a number without unit to show quality of water body based on the value of several weighted monitoring parameters. Several methods have been developed to calculate the value of Water Quality Index, which are Pollution Index (PI), STORET, Canadian Council of Ministers of Environment Water Quality Index (CCME-WQI) and National Sanitation Foundation Water Quality Index (NSF-WQI). In Indonesia, the method commonly used to determine WQI is pollution index (PI) and STORET. The Indonesian Water Quality Index (WQI-INA) is the latest WQI calculation method developed from NSF-WQI method in 2017 thus providing a weighting value that approaches river conditions in tropical countries. The purpose of this study is to compare WQI values calculated based on WQI-INA method with WQI values that calculate based on Pollution Index, STORET and CCME methods using Cirarab River monitoring data (2015-2018).The Study result indicates that using WQI-INA method gives consistent results in each monitoring location while STORET method gives the same value results even though the monitoring results data is very different. PI method also gives quite different result to WQI-INA value because of range of the PI values is too narrow, so it does not reflect the actual river condition. The CCME WQI method results are the closest to WQI-INA value but require more parameter input rather than WQI–INA. Based on this study, the WQI-INA method is very good to be developed further because it is easy to use and simple but gives good results for WQI assessment.
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 | 0,003 | 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 ».