MétaCan
Menu
Retour à la cohorte
Enregistrement W2058541420 · doi:10.11648/j.ijema.20140203.14

Different Heavy Metal Concentrations in Plants and Soil Irrigated with Industrial / Sewage Waste Water

2014· article· en· W2058541420 sur OpenAlexfundno aff
Khadija Siddique

Notice bibliographique

RevueInternational Journal of Environmental Monitoring and Analysis · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHeavy metals in environment
Établissements canadiensnon disponible
Organismes subventionnairesAlberta Agricultural Research Institute
Mots-clésEnvironmental chemistryIrrigationManganeseSewageEnvironmental scienceHeavy metalsSoil waterAtomic absorption spectroscopyChemistrySoil testEnvironmental engineeringAgronomySoil science

Résumé

récupéré en direct d'OpenAlex

Application of waste water for irrigation purposes has increased over the past years. This waste water contains high amount of trace elements and heavy metals. Objectives of this study were to evaluate the concentration of iron (Fe), lead (Pb) and manganese (Mn) in soil irrigated with waste water at different depths and also in the leaves and flowers of vegetables grown in that soil. Samples were collected from vegetable farms located along drain where vegetables were grown by untreated sewage water. Plant samples were washed and cut into pieces, air dried in fluidized bed dryer. After digestion, concentration of heavy metals was detected by atomic absorption spectrophotometer (AAS). The results revealed that heavy metals concentration in soil irrigated with waste water was higher the toxicity level at depth of 0-15cm than the lower layer 16-30cm while the leaves and fruits of vegetables also showed higher concentration of heavy metals. The maximum concentration of lead, iron and manganese was recorded in soil samples taken from Nawabanwala, Malkanwala and Sheikhanwala respectively.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,085
Score d'incertitude au seuil0,479

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,225
Écart entre enseignants0,213 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Monitoring and AnalysisMême sujetHeavy metals in environmentTravaux en français237 207