MétaCan
Menu
Retour à la cohorte
Enregistrement W4322732354 · doi:10.31026/j.eng.2023.03.12

Water Quality of Tigris River in Mosul and Al-Amarah Cities by using CCME Water Quality Index

2023· article· en· W4322732354 sur OpenAlexaboutno aff
Zainab Altemimi Hadi, Mohammed Rashid Al-Juhaishi

Notice bibliographique

RevueJournal of Engineering · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality and Pollution Assessment
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Baghdad
Mots-clésWater qualityEnvironmental scienceTotal dissolved solidsPollutionHydrology (agriculture)Index (typography)Environmental engineeringBiochemical oxygen demandNitrateGeographyWastewaterChemical oxygen demandGeologyChemistryEcology

Résumé

récupéré en direct d'OpenAlex

This study aims to assess the water quality index (WQI) according to the Canadian Council of Ministers of the Environment's Water Quality Index method (CCME WQI). Four locations (measurement stations) are selected along the Tigris River, in Iraq. Two of them are located in the north near Mosul City, (Mosul Dam and Mosul city), and the other two are located in the south near Al-Amarah city, (Ali Garbi and Al-Amarah). The water data collected is for the period 2011 to 2013, including eleven water quality parameters. These are magnesium (Mg+2), calcium (Ca2+), potassium (K+), sodium (Na+), sulfate (SO42-), chloride (Cl-), nitrate (NO3-), bicarbonate (HCO3-), total dissolved solids (TDS), electric conductivity (EC), and (biochemical oxygen demand BOD5). Results show that the water quality in Mosul city ranged from (83-94) in the two stations, while it has a range of (52-59) in Al-Amarah city for the two sites as well. According to WHO standards, these ranges indicate that the river waterfalls in a good level in Mosul city, while it belongs to the marginal category for Al-Amarah city. This is expected due to the disposal of many pollution sources along the distance from north to south downstream the river, therefore these pollution sources must be controlled.

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)0,000
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 enseignants0,107
Score d'incertitude au seuil0,213

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,037
Tête enseignante GPT0,295
Écart entre enseignants0,258 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of EngineeringMême sujetWater Quality and Pollution AssessmentTravaux en français237 207