Evaluación espacio-temporal de la calidad del agua del río Rímac, de enero a agosto del 2011, en tres puntos de monitoreo
Bibliographic record
Abstract
La calidad del agua del río Rímac es una preocupación constante ya que sus aguas, además de sus usos principales como agua potable y para generación de energía, satisfacen la demanda de riego de las tierras de uso agrícola que aún existen en los valles de la parte media y alta de su cuenca. Por tal motivo, se usaron los datos obtenidos por DIGESA y SEDAPAL del año 2011 en la parte alta de la cuenca para analizar la calidad espacial y temporal del agua para riego a través de dos índices de calidad (NSF WQI-USA y CCME WQI-Canada) y el uso de dos métodos estadísticos (Correlación de Pearson y Análisis de Componentes Principales), considerando los Estándares Nacionales de Calidad Ambiental para Agua, (ECA para agua). Con el NSF WQI la mejor calidad de agua (buena) se encontró en dos estaciones de la parte alta del área de estudio y en la parte baja se determinaron condiciones entre buenas a medias. Con el CCME WQI las dos estaciones de la parte alta mostraron niveles de calidad entre aceptables y buenos; y en el punto más bajo, entre aceptable y excelente. Durante todo el año hidrológico (creciente y estiaje) en las tres estaciones, algunos parámetros se encuentran alta y positivamente correlacionados, debido a que probablemente provienen de dos fuentes comunes: la primera de origen antropogénico (actividad minera y descargas municipales de las poblaciones cercanas) y la segunda, de origen natural (características del suelo). Otros parámetros muestran correlaciones más estrechas en los meses de estiaje. Por las características del río con caudal regulado en esta zona, los aportes de los efluentes mineros y municipales representan el mayor impacto a la calidad de las aguas superficiales en la época de estiaje
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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".