Uso e ocupação do solo e a concentração de metais pesados no sedimento e na água: bacia do rio Pitimbu
Bibliographic record
Abstract
A expansão acelerada dos centros urbanos tem produzido impactos importantes nos recursos hídricos. As regiões urbanas carecem de estrutura político-institucional capaz de suprir as demandas ambientais e os efeitos produzidos pelo uso e ocupação do solo nos recursos hídricos. Este trabalho tem como objetivo analisar os efeitos do uso e ocupação do solo na concentração de metais pesados em sedimento e na água. A metodologia utilizada incluiu a coleta de amostras da água e sedimento do leito em 8 seções ao longo da calha fluvial. As amostras foram submetidas à análise laboratorial para detectar a concentração de metais pesados na água e sedimento, além de fósforo total na água. Foram analisadas as concentrações de Al, Cu, Pb, Cd, Fe, Ni e Zn. Após serem submetidas à digestão ácida (método 3050B), as concentrações foram medidas por espectrometria de emissão atômica por chama (ICP-FLAA). Os resultados das análises foram comparados com normativas de referência, sendo que essas normas tem o intuito de avaliar os riscos de substâncias tóxicas no sedimento e na água em programas de gestão. As normativas de referência utilizadas neste trabalho foram: a) Ontario Ministry of the Environment and Energy (OMEE,1993); b) Ministery of Housing Spatial Planning and Environment. (VROM, 2000); c) Canadian Council of Ministers of the Environment (CCME, 1999); d) United States Environmental Protection Agency (USEPA, 1977); e) Resolução Conama n° 344/2004; f) Resolução Conama n° 357/2005. As altas concentrações de Ferro (38750 μg.g-1), Chumbo (1100 μg.g-1), Níquel (100 μg.g-1) e Zinco (180 μg.g-1) detectados nos sedimentos, confirmam o estado de degradação do sistema aquático por metais pesados. As concentrações de Ferro (1,08 mg.L-1), Alumínio (0,6 mg.L-1) e Fósforo (0,05 mg.L-1) presentes na água, encontram-se fora dos padrões estabelecidos para água de consumo humano
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 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 teacher head, 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".