Heavy Metal Pollution in Sediments from Aquatic Ecosystems in China
Notice bibliographique
Résumé
Abstract We conducted an analysis of heavy metals content, including As, Cd, Cr, Cu, Hg, Pb, and Zn in sediments from aquatic ecosystems in China measured in recent publications. Then, we evaluated the extent of heavy metal pollution in these ecosystems in seven different industrial districts in China (Dongbei, Huabei, Huazhong, Huanan, Huaxik, Xibei, and Huadong) with the potential ecological risk index. We found that Cd was the most concentrated pollutant, followed by Hg and As, while Cr, Cu, Pb, Zn were found in low concentrations in sediments from all types of aquatic ecosystem in China. Sediments collected from all seven industrial districts were heavily polluted, and the sequence, from most to least polluted was Dongbei>Huabei>Huazhong>Huanan>Huaxi>Xibei>Huadong. All four types of aquatic ecosystem were found to be seriously polluted and the sequence, from most to least polluted was: river>sea>lake>wetland. Specifically, Cd and Hg were the most serious pollutants in all four aquatic ecosystems, and As was also a serious pollutant in rivers. For the seven industrial districts studied the sea was the most polluted ecosystem in Dongbei, the river was the most polluted ecosystem in Huabei, Huanan, Huazhong, and the lake was the most polluted in Huadong, Huaxi, and Xibei.
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) | 0,008 | 0,021 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».