MétaCan
Menu
Retour à la cohorte
Enregistrement W2143145750 · doi:10.5539/ep.v3n3p21

<sup>133</sup>Cesium Uptake by 10 Ornamental Plant Species Cultivated Under Hydroponic Conditions

2014· article· en· W2143145750 sur OpenAlexvenueno aff
Hiromi Ikeura, Nanako Narishima, Masahiko Tamaki

Notice bibliographique

RevueEnvironment and Pollution · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRadioactive contamination and transfer
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOrnamental plantSunflowerBiomass (ecology)ShootHorticultureHelianthusEnvironmental remediationBiologyRapeseedPlant speciesAgronomyBotanyContaminationEcology

Résumé

récupéré en direct d'OpenAlex

We focused on the Cs uptake capacities of ornamental flowers. Ornamentals have the advantage of beautifying contaminated environments, and this may have therapeutic effects for individuals, especially in disaster areas. Furthermore, the use of ornamental plants will reduce the risk of pollutants entering the food chain. We hypothesized a strong correlation between high aboveground biomass and high Cs uptake in plants. We assessed the potential of 10 ornamental plant species for remediation of 133Cesium in hydroponic solutions. Sunflower, rapeseed, and cosmos took up larger amounts of 133Cs and showed better growth rates than the other 7 species. When these 3 species were exposed to 3 different concentrations of 133Cs (0.5, 2, and 5 mg/L CsCl), more than 48% of the 133Cs was remediated after 7 days in each case. The highest remediation rate was 67%, by sunflowers grown in 5 mg/L CsCl. Among the 3 species, shoot and root dry weights were highest in sunflower and lowest in cosmos. The rate of 133Cs uptake was strongly correlated with aboveground plant biomass. The 133Cs concentration did not affect plant growth rates in any of the three species.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,007
Tête enseignante GPT0,189
Écart entre enseignants0,182 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and PollutionMême sujetRadioactive contamination and transferTravaux en français237 207