MétaCan
Menu
Retour à la cohorte
Enregistrement W4411866794 · doi:10.53898/josse2025519

Sustainable Water Resources Management and Groundwater Quality Assessment: Case of Karbala, Iraq

2025· article· en· W4411866794 sur OpenAlexaboutno aff
Muthanna M. A. Al-Shammari, Layth Abdulameer, Wael Noori Mrzah, Farhan Lafta Rashid, Najah M. L. Al Maimuri, Zaidoon Najah Mahdi Al Mamouri

Notice bibliographique

RevueJournal of Studies in Science and Engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWater resource managementGroundwaterWater qualityEnvironmental planningQuality (philosophy)BusinessWater resourcesGroundwater resourcesEnvironmental scienceAquiferEngineering

Résumé

récupéré en direct d'OpenAlex

Barren lands can be converted into agricultural land through a multidisciplinary approach to water management. This study evaluates the groundwater quality for irrigation in the uncultivated Faddak land (277 km²) north of Kerbela City, Iraq. Thirty groundwater samples were collected from regional wells and analyzed using GIS, testing, and international standards from the FAO and the Canadian Council of Ministers of the Environment (CCME). A range of physicochemical parameters were tested, including calcium, magnesium, sodium, potassium, sulfate, chloride, total dissolved solids, electrical conductivity, and others. The results showed that most pollutants exceeded permissible limits, with an Irrigation Water Quality Index (IWQI) of 36.28, indicating that the groundwater was unsuitable for irrigation. It is concluded that the water demands of native plants can be met through a combination of rainfall and surface water from the Euphrates River, with a maximum release of 20 m³/s required for cotton cultivation in July if 50% of the area is planted.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,094
Score d'incertitude au seuil0,187

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,018
Tête enseignante GPT0,287
Écart entre enseignants0,269 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Studies in Science and EngineeringMême sujetWater resources management and optimizationTravaux en français237 207