MétaCan
Menu
Retour à la cohorte
Enregistrement W4390343011 · doi:10.18280/ijsdp.181205

Preliminary Study of Microplastic Abundance in Rivers of Greater Semarang Area, Indonesia

2023· article· en· W4390343011 sur OpenAlexvenueno aff
Pertiwi Andarani, Syafrudin Syafrudin, Sudarno Sudarno, Anik Sarminingsih, Winardi Dwi Nugraha, Wiwik Budiawan, Kuriko Yokota, Takanobu Inoue

Notice bibliographique

RevueInternational Journal of Sustainable Development and Planning · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicroplastics and Plastic Pollution
Établissements canadiensnon disponible
Organismes subventionnairesUniversitas Diponegoro
Mots-clésAbundance (ecology)Environmental scienceHydrology (agriculture)GeologyEcologyGeotechnical engineeringBiology

Résumé

récupéré en direct d'OpenAlex

Microplastics are concerning pollutants with increasing global presence.Yet, data on their occurrence in Indonesian rivers, especially in Semarang, is limited.This study aimed to assess microplastic abundance and characteristics in Greater Semarang's Babon and East Flood Canal (Kanal Banjir Timur, KBT) rivers at five stations.Sampling and analysis followed Japanese Guidelines of Riverine Microplastic Survey.Spearman's correlation analyzed the link between microplastic abundance and population served by waste services.Microplastics were found in all stations, with the highest levels downstream, likely due to accumulation along the flow.Abundance varied from 1.1-9.6 particles/m 3 .No significant correlation between microplastic abundance and population was found.The most prevalent microplastic form was sheet (14-75%), primarily sized 0.5-1 mm and black (1-60%).The main identified polymer type was polyethylene in sheet form, possibly originating from single-use plastic bags.These findings underscore the urgency of preventing waste leakage into rivers to reduce microplastic release into the environment.By addressing the issue of single-use plastics in hard-to-reach areas and improving waste management practices, we can work towards mitigating the impact of microplastics on the environment.

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 enseignants0,007
Score d'incertitude au seuil0,013

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
Bibliométrie0,0010,001
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 Opus0,012
Tête enseignante GPT0,229
Écart entre enseignants0,217 · 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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sustainable Development and PlanningMême sujetMicroplastics and Plastic PollutionTravaux en français237 207