Evaluating the impact of flash flood on the water quality of Alaknanda river using Water Quality Index: A study from the Garhwal Himalaya, India
Notice bibliographique
Résumé
The Alaknanda River, a major tributary of the Ganga in the Garhwal Himalayas, poses severe challenges to water quality and ecosystem health. The region has a history of disastrous flash floods (e.g., 1894, 1979, 2013, 2021, and 2023) and is very vulnerable to flooding due to its geographic location. To date, no scientific research has been examined the effects of the flash flood on August 14, 2023, on the water quality dynamics of the Alaknanda River, despite the frequency and intensity of such major flood events. While previous research has analyzed river water quality in the Himalayas in general, it has not particularly used a time-series WQI technique to investigate the short-term effects of flash floods on physico-chemical parameters. This study addresses that gap by highlighting the challenges of increased sedimentation, pollutant transport, and cation variability during monsoon events. Utilizing the Weighted Arithmetic Water Quality Index (WQI), the research analyses trends across six river sites during July (pre-flood), August (during flood), and September (post-flood) 2023. Results reveal that while water quality remains mainly good i.e., within permissible limits, the flood event significantly altered physico-chemical parameters, with WQI values peaking in August at all sites. This study provides critical insights into the vulnerabilities of water systems to extreme weather events and underscores the need for robust flood management strategies to ensure potable water during monsoons. These findings contribute to developing resilient water resource management practices in flood-prone Himalayan regions. • Flash flood on Aug 14, 2023, altered Alaknanda River water chemistry. • WQI peaked during flood month, indicating quality decline at some sites. • Physico-chemical parameters showed seasonal and site-specific variations. • Most sites had good water quality; some approached poor levels in August. • Study emphasizes flood monitoring for Himalayan water management.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».