Assessment of deep aquifer groundwater quality in a geographically unique climatic region of Southern Western Ghats, India using water quality indices
Notice bibliographique
Résumé
Abstract Water quality index (WQI) models are generally used in hydrochemical studies to simplify complex data into single values to reflect the overall quality. In this study, deep groundwater quality in the Chittur and Palakkad Taluks of the Bharathapuzha river basin of Kerala, India, was assessed by employing the WQI method developed by the Canadian Council of Ministers of the Environment (CCME). The assessment of overall water quality is indispensable due to the specific characteristics of the study area, such as geography, climate, over‐drafting, and prevalent agricultural practices. Forty representative samples were collected from the study area for monsoon (MON) and pre‐monsoon (PRM) seasons. The results showed a general increase of contents from MON to PRM. The major cations were spread in the order Ca2+>Na+>Mg2+>K+ and the anions HCO3−>Cl−>CO32− based on their relative abundance. Among various parameters analysed, alkalinity and bicarbonate levels during MON were comparatively high, which is indicative of carbonate weathering, and 90% of the samples failed to meet the World Health Organization (WHO, 2017)/Bureau of Indian Standards (BIS, 2012) drinking water guidelines. The CCME WQI analysis revealed that nearly 50% of the samples during each season represented good and excellent categories. The samples in the poor category comprised 10% in MON and 15% in PRM. The overall WQI exhibited 15% of poor category samples as well. The spatial depiction of CCME WQI classes helped to expose zones of degraded quality in the centre to eastward parts. The spatial and temporal variations of CCME WQI classes and different physicochemical attributes indicated the influence of common factors attributing to the deep groundwater quality. The study also revealed inland salinity at Kolluparamba and Peruvamba stations, where agricultural activities were rampant with poor surface water irrigation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».