MétaCan
Menu
Retour à la cohorte
Enregistrement W2146797760 · doi:10.5539/jas.v2n3p235

Effects of Treated Municipal Wastewater on Soil Chemical Properties and Heavy Metal Uptake by Sorghum (sorghum bicolor L.)

2010· article· en· W2146797760 sur OpenAlexvenueno aff
Mohammad Galavi, A. Jalali, Mahmmod Ramroodi, Sayed Roholla Mousavi, Hadi Galavi

Notice bibliographique

RevueJournal of Agricultural Science · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Reuse
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSorghumWastewaterIrrigationRandomized block designSorghum bicolorGrowing seasonEnvironmental scienceAgronomySewage treatmentAnimal scienceChemistryEnvironmental engineeringBiology

Résumé

récupéré en direct d'OpenAlex

In order to investigate the effect of treated municipal wastewater on soil chemical properties and heavy metal uptake by sorghum an experiment was carried out in the Institute of Agriculture at Zabol University, Iran 2007 in a randomized complete block design with four replications. The treatments were managed for irrigation; with well water during entire period of growing season as control (T1); wastewater during the first half of growing season (T2); wastewater during the second half of growing season (T3); wastewater and well water alternately (T4) and wastewater during entire period of growing season (T5). The results have indicated that irrigation with wastewater lead to significant increase in N, P, K, Ca, Na, Mg, SAR, EC, O.C% than control treatment (p ? 0.05). In addition, the increases of Zn, Fe, Mo in soil, and Cu, Fe in sorghum plant were statistically significant in comparison with control treatment (p?0.01). The highest transfer coefficient was observed for Mo and Pb (1.28, 1.02), and the lowest for Cu (0.077 which highlight the high absorption power of sorghum toward these elements.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,008
Tête enseignante GPT0,190
Écart entre enseignants0,183 · 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'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

Citations76
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetWastewater Treatment and ReuseTravaux en français237 207