Assessment of the Present State and Future Fate of River Saraswati, India: Water Quality Indices and Forecast Models as Diagnostic and Management Tools
Notice bibliographique
Résumé
Abstract Water quality assessment is key to the conservation and management of rivers. River Saraswati, a distributary of the river Ganga, serves as a lifeline to many villages in the district Hooghly in West Bengal, India. As the river is gradually dying due to diverse man‐made pollution, ten water quality parameters in two sampling spots (PR‐1 and PR‐2) in the river are monitored month‐wise from March 2017 to February 2020, and these are compared with those from a reference pond. The water quality index (WQI) is determined for the two riverine spots and the reference pond based on the Canadian Council of Ministers of Environment WQI (CCMEWQI) and weighted arithmetic WQI, respectively. In addition to actual observations, three different forecasting methods, exponential smoothing, autoregressive integrated moving average, and artificial neural network, are used to predict WQI for the next two years. This study indicates that free CO 2 , dissolved oxygen, and turbidity are the key parameters to evaluate this river's anthropogenic stress and health. The actual and forecasted results reflect the precipitous degradation of CCMEWQI in PR‐2. Therefore, the immediate intervention of all stakeholders is required to adopt an integrated and comprehensive river management plan to save the river from utter obliteration.
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 | 0,001 | 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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 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 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 ».