Appraisal of Heavy Metal Contents in Commercial Inorganic Fertilizers Blended and Marketed in Nigeria
Notice bibliographique
Résumé
Human food chain toxicity has been shown to be influenced by application of inorganic fertilizers. Three samples of commercial inorganic fertilizers marketed in Nigeria were analysed for their heavy metal contents. The fertilizer samples used were N<SUB>15</SUB>P<SUB>15</SUB>K<SUB>15</SUB> (CF1), N<SUB>20</SUB>P<SUB>10</SUB>K<SUB>10 </SUB>(CF2) and N<SUB>27</SUB>P<SUB>13</SUB>K<SUB>13 </SUB>(CF3). Molybdenum (Mo) levels were the highest and Vanadium (V), Arsenic (As), Mercury (Hg) and Silver (Ag) were not detected by our analytical method. The concentrations of Mo in the CF1 (2, 570.0 mg/kg), CF2 (2,3000.0 mg/kg) and CF3 (1,340.0 mg/kg), were above the maximum acceptable concentration (20mg/kg) while CF1 (0.129 mg/ha/yr) and CF2 (0.115 mg/ha/yr) were above the maximum annual metal addition to soil (0.079 mg/ha/yr), as established by Canadian standard for fertilizers. Only CF1 (5.805 kg/ha) was above long-term cumulative assessment of metal addition to soil (3.57 kg/ha). Other heavy metals detected were Magnesium(Mg), Iron(Fe), Nickel(Ni), Zinc(Zn), Cadmium(Cd), Manganese(Mn), Cupper(Cu), Cobalt(Co), Lead(Pb), Chromium(Cr) and Boron(B). Cd and Pb mean concentrations of the fertilizer samples examined ranged from 2.84 to 11.32 mg/kg and 7.43 to 9.02 mg/kg respectively. Cd followed significantly (p<0.05) with phosphate percentage by weight of the inorganic fertilizers. Though the concentrations of these non-nutrient/toxic metals were below the recommended levels, it is important to encourage manufacturers to indicate their concentrations on the fertilizer labels in view of their health implications.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».