Multiple factor analysis using water quality index scores and parameters as an approach for evaluating the environmental status of polluted lakes along the Black Sea coast of Bulgaria
Notice bibliographique
Résumé
The moderately salty and lightly salty lakes and marshes near the Black Sea are specific in terms of their high degree of physical alteration; intensive hydromorphological pressure; and point-source and diffusive enrichment with biogenic, organic and inorganic compounds. Nutrients are among the most regularly measured variables in monitoring programs, providing the most complete information for long-term analysis and assessment. Nonetheless, their results need a final summary score, such as the water quality index, which assesses spatial and temporal conditions very well. In this study, we used all available data for Varna and Burgas Lakes from state monitoring for six years (2016–2021), using the parameters monitored with the greatest frequency. The aims were to trace temporal changes in the water quality parameters to determine which of the biogenic elements had the greatest significance for the variance in water quality while seeking the most contributing elements for the formation of the Canadian Council of Ministers of the Environment water quality index (CCME-WQI). The objectives were achieved via multiple factor analysis (MFA) loaded with the results for the environmental variables and the final scores of the CCME-WQI since this multivariate analysis allows simultaneous consideration of multiple data series while balancing the influence of each set of variables. MFA revealed that CCME-WQI scores were influenced solely by total phosphorus (TP) in Varna Lake, where TP was negatively correlated with total nitrogen. In Burgas Lake, TP had the greatest influence on the CCME-WQI, but in this slightly saline lake, pH and dissolved oxygen were also negatively correlated with the complex assessment scores. The approach developed in this study is simple to implement and provides information for the simultaneous use of both the CCME-WQI and the MFA, which could optimize monitoring programs by directing sampling efforts on fewer parameters that could be analyzed more often or from more sampling sites.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».