Presenting the Spatio-Temporal Model for Predicting and Determining Permissible Land Use Changes Based on Drinking Water Quality Standards: A Case Study of Northern Iran
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
Quantifying the effect of non-point source pollution from different land use types (e.g., agricultural lands, pastures, orchards, and urban areas) on stream water quality is critical in determining the extent and type of land use. The relationship between surface water quality as the primary source of drinking water and land use patterns in suburban areas with an accelerated pace of industrial development and progressive growth of population has drawn much attention recently. This study aims to determine the type and portion of the land use changes over three-time intervals from 2000 to 2015 in the Jajrood River Catchment (Tehran metropolis, north of Iran). We used satellite images of Landsat TM and ETM for 2005, 2010, and 2015 to analyze land use changes as a spatiotemporal model. According to the image processing and analysis, we classified the land uses of the study area into irrigated farming, orchards, pastures, and residential areas. In addition, we used temporal data from sampling stations to identify the relationship between land use and water quality based on a multivariate regression model. The analysis shows a significant correlation between the type and extent of land use and water quality parameters, including pH, Na+, Ca+, Mg+, Cl−, SO42−, NO3−, and TDS. Pastures and residential areas had the highest impact on water quality parameters among all land use types. Besides, we have used the regression analysis results to determine the maximum permissible areas of each land use type. Consequently, effective management strategies such as land use optimization in catchment scale for this catchment and similar areas will help to consciously protect and manage the quality of drinking water resources.
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 | 0,002 | 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 | 0,001 | 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