MétaCan
Menu
Retour à la cohorte
Enregistrement W2168316657 · doi:10.5539/jgg.v5n4p63

An Assessment of Toxic in Urban Soils Using Garden Cress (Lepidium sativum) in Vasileostrovsky Ostrov and Elagin Ostrov, Saint Petersburg, Russia

2013· article· en· W2168316657 sur OpenAlexvenueno aff
Kwabena Awere Gyekye

Notice bibliographique

RevueJournal of Geography and Geology · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLichen and fungal ecology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLepidium sativumSativumSoil waterSaint petersburgPhytotoxicityHorticultureSoil testSeedlingBotanyBiologyEnvironmental scienceAgronomyChemistryGerminationEcologyGeographyRussian federation

Résumé

récupéré en direct d'OpenAlex

The study was conducted to detect toxicity in urban soils of Vasileostrovsky Ostrov and Elagin Ostrov in St. Petersburg, Russia, an area characterised by wide variation in land use. A total of 37 soil samples were collected from the two study areas. Garden cress, Lepidium sativum, (L. sativum) was used as the test organism to detect the presence of toxic soils. The results indicated that soils from Vasileostrovsky Ostrov were toxic to L. sativum; the level of toxicity ranged between 40–60% (mild to moderately toxic). Tests of soils from Elagin Ostrov revealed that soils, generally, were nontoxic (90–100%). The results of most examined samples showed that soil extract had a stimulating effect on the growth of fronds; however there were few instances whereby soil extract inhibited the growth of L. sativum. The results from the study indicated that L. sativum is capable of detecting toxic soils. The different reactions from L. sativum to soil extracts could be attributed to site-specific conditions. The study recommends the use of L. sativum as a test organism to conduct biomonitoring of urban soil on a wide scale because of its simplicity, sensitivity, and cost-effectiveness.

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 enseignants0,010
Score d'incertitude au seuil0,021

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
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 Opus0,010
Tête enseignante GPT0,255
Écart entre enseignants0,245 · 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

Citations11
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geography and GeologyMême sujetLichen and fungal ecologyTravaux en français237 207