Spatial Patterns of Urban Wastewater Discharge and Treatment Plants Efficiency in China.
Notice bibliographique
Résumé
With the rapid economic development, water pollution has become a major concern in China. Understanding the spatial variation of urban wastewater discharge and measuring the efficiency of wastewater treatment plants are prerequisites for rationally designing schemes and infrastructures to control water pollution. Based on the input and output urban wastewater treatment data of the 31 provinces of mainland China for the period 2011–2015, the spatial variation of urban water pollution and the efficiency of wastewater treatment plants were measured and mapped. The exploratory spatial data analysis (ESDA) model and super-efficiency data envelopment analysis (DEA) combined Malmquist index were used to achieve this goal. The following insight was obtained from the results. (1) The intensity of urban wastewater discharge increased, and the urban wastewater discharge showed a spatial agglomeration trend for the period 2011 to 2015. (2) The average inefficiency of wastewater treatment plants (WWTPs) for the study period was 39.2%. The plants’ efficiencies worsened from the eastern to western parts of the country. (3) The main reasons for the low efficiency were the lack of technological upgrade and scale-up. The technological upgrade rate was −4.8%, while the scale efficiency increases as a result of scaling up was −0.2%. Therefore, to improve the wastewater treatment efficiency of the country, the provinces should work together to increase capital investment and technological advancement.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».