Physico‐chemical characterization of littoral water of Lake Kivu (Southern basin, Central Africa) and use of water quality index to assess their anthropogenic disturbances
Notice bibliographique
Résumé
Abstract Freshwater ecosystems provide many services such as moderation of the local microclimate and a source of water and food for riparian communities. It is also a preferred habitat for many organisms such as plankton, benthic macroinvertebrates and fish. However, these ecosystems are among the most affected by various anthropogenic threats that modify water quality and ecological processes, thus affecting biodiversity. The objective of this study was the spatio‐temporal characterization of physico‐chemical littoral water parameters and the assessment of anthropogenic disturbance on the littoral zone by a water quality index (WQI). Physico‐chemical water quality data including temperature, dissolved oxygen, conductivity, pH, TDS, turbidity, SiO 2 , PO 4 3− , NO 2 − , and NH 4 + were collected from January to December 2018. They were used to calculate the WQI to assess water quality according to aquatic life, using limits values of Canadian Council of Ministers of the Environment (CCME), United States Environmental Protection Agency (USEPA) and Australian and New Zeland Environment and Conservation Council (ANZECC). PO 4 3− is out of range in all the stations while NO 2 − and Turbidity are out of range in some of the anthropized stations according to ANZECC, CCME, and USEPA recommended values for aquatic life. The WQI values range from medium to good and the high WQI values obtained in the non‐anthropized stations that reflect the negative influence of human disturbance on water quality in the Lake littoral zone. The results suggest the need for an integrated lake watershed management system in order to maintain the ecological functions of the lake and support livelihoods from the lake.
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 | 0,000 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».