MétaCan
Menu
Retour à la cohorte
Enregistrement W2170085080 · doi:10.5539/jsd.v5n11p93

Assessment of Heavy Metals in Waste-Water Irrigated Lettuce in Ghana: The Case of Tamale Municipality

2012· article· en· W2170085080 sur OpenAlexvenueno aff
Maxwell Anim-Gyampo, Apori Ntiforo, Michael Kumi

Notice bibliographique

RevueJournal of Sustainable Development · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHeavy metals in environment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIrrigationWastewaterHeavy metalsNutrientEnvironmental scienceSoil waterEnvironmental chemistryChemistryAgronomyToxicologyEnvironmental engineeringBiology

Résumé

récupéré en direct d'OpenAlex

An assessment of some heavy metals concentrations in lettuce in irrigated with waste water in Tamale Metropolis in Ghana has been carried out. Analysis of water and lettuce samples revealed that the mean concentrations of Fe, Mn, Cu, Zn, Cd and Pb in lettuce were 0.436, 0.345, 0.068, 0.017, 0.04 and 0.038 mg/L and 0.167, 0.163, 0.104, 0.127, 0.142 respectively. With exception of Mn and Cd, the concentrations of heavy metals in the irrigation water, irrigated soils and irrigated lettuce, were within the FAO recommended levels. The mean concentrations of nutrients (NO3-N, SO4 and PO4-P) in the wastewater-irrigated lettuce, and well water-irrigated lettuce were 15.36, 0.88, 0.28 and 19.09, 1.117, 0.0573 respectively. Though, heavy metals concentrations in the lettuce were low, regular monitoring are required to prevent heavy metal accumulation with their attendant health implications in the consuming public.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,152
Score d'incertitude au seuil0,730

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,000
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 savante0,0000,001
Science ouverte0,0000,001
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 Opus0,018
Tête enseignante GPT0,277
Écart entre enseignants0,259 · 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 tête enseignante, 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

Citations19
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetHeavy metals in environmentTravaux en français237 207