Influence of Soil Properties and Aging on the Toxicity of Copper on Compost Worm and Barley
Notice bibliographique
Résumé
Influence of soil properties and aging on Cu partitioning and toxicity was assessed on 10 artificial soils constituted using a statistical design considering pH (5.5 and 7.5), organic matter (1-30% [w/w]), and clay content (5-35% [w/w]). Total Cu as well as water-, CaCl2-, and diethylene triamine pentaacetic acid (DTPA)-extracted Cu fractions were determined for each soil mixture. Ecotoxic effect was assessed by determining growth inhibition of barley (Hordeum vulgare L.) and compost worm (Eisenia fetida) mortality. Analyses were repeated after a 16-wk aging period of the soils at pH 7.5 (8 x 2-wk wetting and drying cycle). Results indicated that pH was the main factor controlling Cu partitioning, ahead of organic matter and clay content. Calcium chloride (0.5 M)-extracted Cu fractions showed the best correlation with toxic responses (r = 0.55-0.66; p < 0.05), while total and DTPA-extracted Cu concentrations could not explain differences in toxicity. Direct regressions between toxicity and soil properties (pH, organic matter, and clay content) provided better explanation of variance: r2= 0.50 (p = 0.00006) for compost worm mortality, r2= 0.77 (p < 0.00001) for barley shoot inhibition, and r2= 0.92 (p < 0.00001) for barley root inhibition. Copper toxicity was mainly influenced by pH and, to a lesser extent, by organic matter and clay content. Aging in organic soils revealed a slight reduction in ecotoxicity while an increase was observed in soils with low organic matter content. Further investigation using longer aging periods would be necessary to assess the significance of this observation.
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 | 0,001 | 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 | 0,002 |
| 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 ».