Correlation, Regression Analysis, and Spatial Distribution Mapping of WQI for an Urban Lake in Noyyal River Basin in the Textile Capital of India
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Nowadays, the major threat to humans occurs due to water quality deterioration. The quality of water creates a new sign for the public to prevent them from waterborne diseases. This study uses sensitive water quality parameters obtained from the northeast monsoon season, October 2021, at different locations in Mooli Kulam lake (11°07′17.6″ N, 77°22′59.9″ E) of Tiruppur District, Tamil Nadu, India. The parameters considered for the analysis of lake water quality are closely included with drinking and irrigation parameters. The northeast monsoon samples collected from the lake were analysed and the Water Quality Indexing was applied to the dataset using three methods, namely, the Weight Arithmetic method, the Canadian Council of Ministers of the Environment, and Horton’s method. The parameters are divided into drinking water variables and irrigation water variables. This study includes water quality index mapping using Inverse Distance Weighting interpolation of the spatial distribution method using ArcMap 10.8. The dataset was subjected to correlation and regression analysis in order to determine the most significant pollutant. A total of 10 sampling stations and 23 water quality parameters have been analysed. The results obtained show that the lake has high eutrophication with compounds of potassium, iron, and nitrates.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 découle