Evaluating the Impacts of Environmental and Anthropogenic Factors on Water Quality in the Bumbu River Watershed, Papua New Guinea
Notice bibliographique
Résumé
The Bumbu River Watershed is an essential source for the drinking and sanitation needs of settlement communities within Lae, Papua New Guinea. However, poor sanitation and waste management practices have led to concerns over the safety and integrity of the watershed’s resources. In this study, we explored the effect of these factors on water quality in the Bumbu river and its tributaries using water quality (22 sampling stations), geospatial (degree of urbanisation), and community survey (sanitation and hygiene practices) data. Water Quality Index (WQI) was calculated based on the Canadian Council of Ministers of Environment (CCME) template using pH, Total Dissolved Solids (TDS), conductivity, turbidity, alkalinity, calcium, magnesium, total hardness, mercury, manganese, iron, and Escherichia coli. Using geospatial techniques, principal component analysis, and forward regression analysis, we found that better water quality outcomes coincided with better community health conditions of Crime and Pollution, and better household health outcomes. Land-use itself was not significantly correlated with water quality, but distressingly, we found 19 of 22 water samples to be of “poor” quality, indicating a need for better community water regulation. The methodology and results presented can be used to inform policy decisions at the provincial/national level, and to aid future research activities in other watersheds.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 ».