Ability of Cold-Tolerant Plants to Grow in Hydrocarbon-Contaminated Soil
Notice bibliographique
Résumé
Phytoremediation of hydrocarbons in soil involves plants and their associated microorganisms. Differences in environmental conditions and restrictions on species importation mean that each country may need to identify indigenous plants to use for phytoremedation. Screening plants for hydrocarbon tolerance before screening for degradation ability may prove more economical than screening directly for degradation. Thirty-nine cold-tolerant plants native, or exotic and naturalized, in western Canada were assessed for their ability to survive in crude oil-contaminated soil. Four naturalized grasses (i.e., Agropyron pectiniforme, Bromus inermis, Phleum pratense, and Poa pratensis), three naturalized legumes (i.e., Medicago sativa, Melilotus officinalis, and Trifolium repens), two native forbs (i.e., Artemisia frigida and Potentilla pensylvanica), one native grass (i.e., Bromus ciliatus) and two native legumes (i.e., Glycyrrhiza lepidota and Psoralea esculenta) exhibited phytoremediation potential, based on survival. We determined the effect of increasing crude oil concentrations on total and root biomass, and relative growth rate of those species with the highest survival. The addition of 0.5%, 1%, and 5% (crude oil wt/fresh soil wt) crude oil to soil significantly decreased both the total biomass by at least 22% of the control and the relative growth rate of all species except P. esculenta. Root biomass significantly decreased by at least 22% with crude oil addition in all species except P. esculenta and A. frigida. Total biomass production in contaminated soil had a significant negative correlation with the relative growth rate in uncontaminated soil.
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 | 0,000 |
| 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 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 ».