MétaCan
Menu
Retour à la cohorte
Enregistrement W3214155819 · doi:10.1063/5.0066552

Seasonal and annual variation of Tigris River’s water quality using physicochemical parameters within Baghdad city

2021· article· en· W3214155819 sur OpenAlexaboutno aff
Omar Anmar Almoula, Khalid Adel Abdulrazzaq, Athraa Hashim Mohammed, Rami Raad Ahmed Al-Ani

Notice bibliographique

RevueAIP conference proceedings · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality and Pollution Assessment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTurbidityEnvironmental scienceWater qualityHydrology (agriculture)AlkalinitySeasonalityIndex (typography)Water resourcesStatisticsMathematicsGeology

Résumé

récupéré en direct d'OpenAlex

Water quality indices play an indispensable role in the holistic approach of managing water resources; it gives a straightforward interpretation of the vast range of water quality tests’ results. In the present study, the Nemerow pollution index and the Canadian water quality index were applied to analyze the spatial and temporal fluctuation of Tigris River’s water quality within Baghdad city (Nine observing stations were considered for a Six-year study period). Overall, a grade of slightly polluted/Marginal was attained; the seasonal analysis shown a decline in the water quality in winter and spring seasons. Beast water quality index values obtained at the Al-Karkh station in 2015 and were 3.51 (Grade C using Nemerow method) and 73.63 (Grade C using the Canadian method). Both Nemerow and the Canadian indices exhibited comparable results, producing a global trend of Tigris water quality deteriorates as it passes across the city. Among fifteen physicochemical parameters tested in this paper, the main water quality deterioration factors of the Tigris River were recognized to be: turbidity, iron, ammonia, sulfate, total dissolved solids, electrical conductivity, and alkalinity; where they exceeded permissible limits for drinking purpose, especially after Al-Karkh station during the study period.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,358
Score d'incertitude au seuil0,442

Scores Codex et Gemma par catégorie

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

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 Opus0,051
Tête enseignante GPT0,292
Écart entre enseignants0,241 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIP conference proceedingsMême sujetWater Quality and Pollution AssessmentTravaux en français237 207