Root Growth and Metal Uptake in Four Grasses Grown on Zinc‐Contaminated Soils
Notice bibliographique
Résumé
Depth and area of rooting are important to long-term survival of plants on metal-contaminated, steep-slope soils. We evaluated shoot and root growth and metal uptake of four cool-season grasses grown on a high-Zn soil in a greenhouse. A mixture of biosolids, fly ash, and burnt lime was placed either directly over a Zn-contaminated soil or over a clean, fine-grained topsoil and then the Zn-contaminated soil; the control was the clean topsoil. The grasses were 'Reliant' hard fescue (Festuca brevipila R. Tracey), 'Oahe' intermediate wheatgrass [Elytrigia intermedia (Host) Nevski subsp. intermedia], 'Ruebens' Canada bluegrass (Poa compressa L.), and 'K-31' tall fescue (Festuca arundinacea Schreb.). Root growth in the clean soil and biosolids corresponded to the characteristic rooting ability of each species, while rooting into the Zn-contaminated soil was related to the species' tolerance to Zn. While wheatgrass and tall fescue had the strongest root growth in the surface layers (0-5 cm) of clean soil or biosolids, wheatgrass roots were at least two times more dense than those of the other grasses in the second layer (5-27 cm) of Zn-contaminated soil. When grown over Zn-contaminated soil in the second layer, hard fescue (with 422 mg/kg Zn) was the only species not to have phytotoxic levels of Zn in shoots; tall fescue had the highest Zn uptake (1553 mg/kg). Thus, the best long-term survivors in high-Zn soils should be wheatgrass, due to its ability to root deeply into Zn-contaminated soils, and hard fescue, with its ability to effectively exclude toxic Zn uptake.
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 | 0,000 |
| 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 ».