Bioremediation of DDT-Contaminated Soils: A Review
Notice bibliographique
Résumé
Abstract The insecticide 1,1,1-trichloro-2,2-bis-(4-chlorophenyl)ethane (DDT) has been used extensively since the 1940s for control of agricultural pests, and is still used in many tropical countries for mosquito control. Despite a ban on DDT use in most industrialized countries since 1972, DDT and its related residues (DDTr) persist in the environment and pose animal and human health risks. Abiotic processes such as volatilization, adsorption, and photolysis contribute to the dissipation of DDTr in soils, often without substantial alteration of the chemical structure. In contrast, biodegradation has the potential to degrade DDTr significantly and reduce soil concentrations in a cost-effective manner. Many bacteria and some fungi transform DDT, forming products with varying recalcitrance to further degradation. DDT biodegradation is typically co-metabolic and includes dechlorination and ring cleavage mechanisms. Factors that influence DDTr biodegradation in soil include the composition and enzymatic activity of the soil microflora, DDTr bioavailability, the presence of soil organic matter as a co-metabolic substrate and (or) inducer, and prevailing soil conditions, including aeration, pH, and temperature. Understanding how these factors affect DDTr biodegradation permits rational design of treatments and amendments to stimulate biodegradation in soils. The DDTr-degrading organisms, processes and approaches that may be useful for bioremediation of DDTr-contaminated soils are discussed, including in situ amendments, ex situ bioreactors and sequential anaerobic and aerobic treatments.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».