MétaCan
Menu
Retour à la cohorte
Enregistrement W4399595235 · doi:10.26740/lenterabio.v13n2.p198-204

Comparison of Cu Heavy Metal Concentration in Mangrove Waters and Tambak Wedi Estuary Surabaya

2024· article· en· W4399595235 sur OpenAlexaff
Yuninda Anjar Firda Sari, Tarzan Purnomo

Notice bibliographique

RevueLenteraBio Berkala Ilmiah Biologi · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHeavy Metal Pollution Remediation
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésMangroveEstuaryEnvironmental scienceHeavy metalsWater qualityPollutionWater pollutionEnvironmental chemistryFisheryChemistryEcologyBiology

Résumé

récupéré en direct d'OpenAlex

The waters of the Tambak Wedi Mangrove are a stream from the Tambak Wedi Estuary in Surabaya which has the potential to be contaminated with the heavy metal Cu contained in waste from the Surabaya City area. Industrial activities and activities around the harbor as shipping traffic routes have negative impacts that trigger water pollution by the heavy metal Cu. This research aims to analyze the comparison of water quality between Mangrove Waters and Muara Tambak Wedi Surabaya based on levels of the heavy metal Cu. Water samples were taken for testing Cu levels at each of the two locations which is 5 stations. Testing for Cu heavy metal levels was carried out at the Nutrition Laboratory, Airlangga University using AAS. The results of testing for Cu heavy metal levels were analyzed descriptively and then compared with the quality standards of PP RI No. 22 of 2021. Comparison of water quality at the two locations was analyzed using the T test. The research results showed that the levels of the heavy metal Cu in Mangrove Waters ranged from 0.011-0.015 and 0.001-0.003 in Tambak Wedi Estuary Surabaya. The results of the T test analysis show a significant value of 0.00, which means there is a significant difference in the results of testing Cu levels in Mangrove Waters and Tambak Wedi Estuary Surabaya. Both waters are contaminated with the heavy metal Cu.

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 enseignants0,051
Score d'incertitude au seuil0,101

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 technologies0,0010,001
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 Opus0,021
Tête enseignante GPT0,292
Écart entre enseignants0,272 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLenteraBio Berkala Ilmiah BiologiMême sujetHeavy Metal Pollution RemediationTravaux en français237 207