Caracterización espacio-temporal de la distribución del arsénico en un acuífero kárstico en el sur del Estado de México
Bibliographic record
Abstract
Diversidad de factores antropogénicos, geológicos y climáticos están relacionados con la conformación de las propiedades fisicoquímicas del agua subterránea en una zona específica, los cuales deben de ser estudiados utilizando los enfoques adecuados. Para lograrlo, el objetivo principal de esta investigación estuvo dirigido a evaluar la situación actual del recurso, enfatizando en la individualización de los principales factores que determinan su evolución espacio temporal en los municipios de Ixtapan de la Sal y Tonatico. El enfoque metodológico utilizado consistió en la combinación de técnicas de análisis hidroquímico, estadístico multivariado y geoestadístico, aplicadas a los parámetros fisicoquímicos medidos en fuentes termales, no termales, superficiales y pozos. Para 2015 y 2019, los resultados muestran que dos tipos de agua predominan: Ca2+-HCO3- y Na+-Cl-. Un tercer grupo, Ca2+-Mg2+-Cl-, evidencia procesos de mezcla entre aguas termales y no termales. Adicionalmente, la disolución de halita, minerales carbonatados (dolomita y calcita) y de sulfato de magnesio es predominante en la conformación iónica mayoritaria. El Análisis de componentes principales confirma dos procesos de importancia: (1) salinidad y (2) alcalinidad, relacionados a factores geogénicos y antropogénicos. La modelación geoestadística, realizada por el kriging ordinario, muestra que la calidad del agua decrece en dirección sur-oeste hacia el nor-este, involucrando al arsénico como principal limitante de calidad. Puede concluirse que un abordaje combinado, que incluya análisis hidroquímico y técnicas estadísticas, ofrece una alternativa viable para el estudio de la evolución fisicoquímica del agua subterránea, cuya implementación puede ser extrapolable a acuíferos de similar naturaleza.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".