The accumulation of Cu, Zn, Cd, and Pb in the aquatic biomass of sulphide tailing ponds
Notice bibliographique
Résumé
Flooding mine tailings to limit the oxidation of sulfides provides a habitat for aquatic organisms, such as plants, plankton, insects, and fish, which can uptake metals and, thus, threats for local ecosystems and influence the cycling of elements in biogeocenosis. An aquatic ecosystem developed naturally in sulphide tailing ponds containing cyanidation wastes of the Salair ore-refining plant (SORP), Russia, was studied. The objectives of this research were to: (i) reveal the level of contamination of living organisms in the tailing ponds compared to a natural control site and (ii) calculate the weight of metals in aquatic biomass to estimate the amount of metals transferring from the tailing ponds into the biogechemical cycle. The concentration of Cu, Zn, Cd, and Pb in the sediments of the tailing ponds is significantly higher than from the control site. Concentrations of Cu, Zn, Cd, and Pb in plant shoots were significantly higher than in the control and accumulated mainly in cell envelopes and membranes. The concentration of Pb in fish liver and eggs were 41 and 7.5 times higher, respectively, than maximum allowable concentrations. The biomass distribution between producers and consumers of the tailing pond ecosystem is similar to those of natural pond ecosystems. However, the weights of Cu, Zn, Cd, and Pb in all trophic levels per hectare of the tailing pond are orders of magnitude higher than those for Lake Baikal. The largest portion of metal circulates within the ecosystem of the Dyukov Ravine Pond with a maximum of 5 to 13% of this amount transferred into the surrounding environment through the food chains.
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 ».