MétaCan
Menu
Retour à la cohorte
Enregistrement W4293007655 · doi:10.11159/icnfa22.112

A Preliminary Analysis of the Correlation of Heavy Metals with TN, TP and TSS in Constructed Wetland

2022· article· en· W4293007655 sur OpenAlexvenueno aff
Yang Fujia, Shirley Gato-Trinidad, Iqbal Hossain

Notice bibliographique

RevueProceedings of the World Congress on New Technologies · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConstructed Wetlands for Wastewater Treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHeavy metalsWetlandEnvironmental scienceEnvironmental chemistryChemistryEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Constructed wetland (CW) has been receiving increased popularity in urban cities to treat stormwater runoffs following the best practice management guidelines which only focuses on TN, TP and TSS.However, the presence of heavy metals is also detected in CWs.This paper presents the water quality monitoring results of a CW in Melbourne, Australia.A statistical analysis has been undertaken to determine the correlation of heavy metals with TN, TP and TSS.The analysis revealed that the treatment performance did not comply with the best practice management guidelines and the wetland is experiencing significant metal pollution.The results showed that TN and TP concentrations are negatively correlated and TSS are strongly correlated with the concentration of metal pollutants including Al, Cu and Fe.Meanwhile, significant correlations are discovered between metals such as Zn and Cu, Al and Cr than between the common pollutants.As this is a preliminary analysis, further investigations are needed to validate the relationships.It is envisioned that the outcome of this research will assist CWs owners and managers to assess the effectiveness of CWs in reducing the levels of not only the common three pollutants but also heavy metals.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,006
Tête enseignante GPT0,201
Écart entre enseignants0,194 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on New TechnologiesMême sujetConstructed Wetlands for Wastewater TreatmentTravaux en français237 207