Environmental risk assessment of cement dust on soils and vegetables in an urban city of South Western Nigeria
Notice bibliographique
Résumé
The negative consequence of industries in urban cities has become a major concern.Environmental risk assessment of heavy metals in the cement factories around Ewekoro environ was evaluated to deduce its risk on public health.Soil samples and consumable vegetables (Sugar-cane (Saccharumofficinarum), Soko (Celosia argentea), Cocoyam (Colocasiaesculerita) and Ewedu (Corchoruos olitorius) were collected 200m apart around the cement factory.Soil samples were dis-aggregated and sieved through a 65µ mesh sieve, then analyzed using inductively coupled plasma-emission spectrometry (ICP-ES), while plant samples were crushed and pulverized before being analysed using inductively coupled plasma-mass spectrometry (ICP-MS), all analyses were done at Acme laboratories Canada.Geochemical result of soils showed that most of the metals have values above the USEPA standard except Ni, V, Cr, and Ba, due to the effect of cement factory.Contamination factor and degree (C deg ) revealed extreme contamination of Zn and Mn.Inter elemental analysis showed a strong correlation between Cr-As ('r' = 0.872) and Ga-v ('r' = 0.936), which reflects the same anthropogenic source.Geochemical results in vegetables revealed Zn to be the highest metal accumulated, and that which is most contaminated is Ewedu (Corchoruos olitorius).A strong and positive correlation was found in Ba-Sr, and Cd-Zn with r > 0.9 showing the same anthropogenic source.Transfer factor(TF) revealed accumulation of metals by the vegetables.Analysis of the health implications of these heavy metals was carried out in some clinics around the area and the common diseases recorded are the ones generally associated with cement dust inhaling.Soils and vegetables
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 tête enseignante, 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 ».