Evaluation of River Water Pollution Level in Yogyakarta City Using CCME Method and Biodegradability Index
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
River water quality in urban areas, particularly in Yogyakarta, has declined due to pollution from domestic, industrial, and agricultural activities. Communal wastewater treatment plants (CWWTPs) were established to address this issue; however, they have not been operating optimally, limiting their impact on improving water quality. Therefore, this study aims to 1) analyze the condition of water quality temporally and spatially in river sections in Yogyakarta City, 2) determine river water quality index temporally and spatially using Canadian Council of Ministers of the Environmental (CCME) method and Biodegradability Index (BI), 3) evaluate the level of water pollution between CCME method and BI, and 4) analyze water quality parameters influencing the pollution level. The study procedures were carried out using the institutional survey method, and data were obtained from temporal water quality monitoring by Yogyakarta City Environmental Service. Water quality assessment was based on standards according to Governor Regulation No. 20 of 2008. Evaluation of pollution levels was carried out using water quality index with CCME method and BI. The influence of dominant parameters was statistically tested using Principal Component Analysis (PCA). The results showed that water quality in Yogyakarta City based on CCME method and BI was dominated by the poor and non-biodegradable categories. Between 2020 and 2023, the CCME and BI index values of rivers showed an increasing trend, indicating a reduction in pollution. The primary factors affecting water quality include NO₂, TDS, temperature, DO, NO₃, and total phosphate, originating from domestic and agricultural activities. In contrast, Cu, Zn, and Cd are primarily sourced from industrial activities.
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.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle