Tolérance et accumulation du cuivre et du chrome chez deux espèces de lentilles d’eau : Lemna minor L. et Lemna gibba L.
Notice bibliographique
Résumé
Certains procédés d’épuration extensive des eaux usées utilisent les lentilles d’eau. Les rejets des eaux usées sont de plus en plus sujets à des pollutions de natures diverses, notamment les métaux lourds. Dans ce travail, on procède à une évaluation comparée de la tolérance et de l’accumulation de deux métaux lourds, le cuivre et le chrome, par deux espèces de lentilles d’eau Lemna minor et Lemna gibba . Bien que sous climat de type méditerranéen, L. gibba soit plus utilisée que L. minor , les données disponibles dans la littérature concernent plutôt L. minor . L’évaluation des paramètres toxicologiques montre chez L. gibba une tolérance nettement supérieure aux effets toxiques des deux métaux expérimentés. Le chrome est moins toxique que le cuivre et s’accumule à des taux supérieurs à ceux du cuivre dans les tissus des plantes. Pour les deux métaux, l’accumulation est plus importante chez L. minor . Cependant, on pense que L. gibba serait plus indiquée dans des applications en phytoremédiation que L. minor , vu sa tolérance et sa productivité en biomasse. Les potentialités de ces deux espèces pour des applications de ce type se justifient par des taux d’accumulation fort élevés, spécialement pour le chrome où ils dépassent largement les 1000 µg g ‑1 de poids sec. En effet, les concentrations des plantes en Cr obtenues dans ce travail atteignent 2140 µg g ‑1 chez L. minor et 1710 µg g ‑1 chez L. gibba . Ces performances montrent un potentiel fort intéressant en comparaison à d’autres macrophytes comme la jacinthe d’eau par exemple.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».