MétaCan
Menu
Retour à la cohorte
Enregistrement W4391352891 · doi:10.3390/w16030446

Natural Organic Matter Character in Drinking Water Distribution Systems: A Review of Impacts on Water Quality and Characterization Techniques

2024· review· en· W4391352891 sur OpenAlexafffund
Ammar Riyadh, Nicolás M. Peleato

Notice bibliographique

RevueWater · 2024
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueWater Treatment and Disinfection
Établissements canadiensOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésNatural organic matterWater qualityNatural (archaeology)Character (mathematics)Environmental scienceCharacterization (materials science)Organic matterDistribution (mathematics)Quality (philosophy)Environmental engineeringWater resource managementWater treatmentGeographyEcologyMaterials scienceMathematicsNanotechnologyPhilosophyBiology

Résumé

récupéré en direct d'OpenAlex

Natural Organic Matter (NOM) in water arises from decomposed plant and animal matter and is ubiquitous in drinking water sources. The variation in NOM concentrations and characteristics, influenced by events like floods and droughts, plays a crucial role in water treatment efficiency and water quality received by the public. For example, increased NOM concentrations necessitate higher levels of coagulants and disinfectants, leads to the formation of disinfection by-products (DBPs), and plays a key role in biofilm development. When considering impacts of NOM, it is not only the presence or concentration but the makeup or proportion of varying sub-groups which can impact water quality. Formation of DBPs, corrosion and scaling, pollutant transport, aesthetic deterioration, and biofilm growth are dependent on the relative composition of NOM within the distribution system. Although the role of NOM concentration and characteristics is well studied during treatment, the impacts of residual NOM in water distribution systems have received less attention. In particular, it is clear, due to the varying roles of NOM sub-groups, that greater consideration of NOM characteristics in distribution systems is needed. This paper reviews the broad implications of NOM characteristics for water distribution systems and explores challenges and opportunities in NOM characterization within distribution systems. Furthermore, the influence of NOM characteristics in premise plumbing is examined. The review highlights the necessity for precise NOM characterization and real-time monitoring, aiming to strengthen water distribution system resilience.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,020
Tête enseignante GPT0,294
Écart entre enseignants0,274 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations40
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetWater Treatment and DisinfectionTravaux en français237 207