Removal of Cyanide-Contaminated Water by Vetiver Grasses
Notice bibliographique
Résumé
<p>Vetiver grass and it usages have been widely investigated in many researches as the preferred plant species due to its known efficiency, low cost, the ease of availability and spread. This research aimed to use four different vetiver grass (<em>Vetiveria zizanioides</em>) ecotypes to remove cyanide (CN<sup>-</sup>)-contaminated water for improve its quality. Growth capability, tolerance and removal efficiency were evaluated. The results showed that the vetiver grass had a 100% survival rate for one month after planting. Songkhlar3 had the longest leaves, followed by Surat-Thani, Sri Lanka and Monto, respectively. Root lengths of all ecotypes showed no significant differences (p ≤ 0.05). All vetiver grass ecotypes could potentially purify CN<sup>-</sup>-contaminated water at lower concentrations of ≤ 35 mg CN<sup>-</sup>/L. The Monto ecotype had the highest CN<sup>-</sup> removal efficiency at all CN<sup>-</sup> concentration levels, showing 100% CN<sup>-</sup> removal from the 5-45 mg CN<sup>-</sup>/L contaminated water samples within 2-5 weeks growth. The tolerance of vetiver grass to CN<sup>-</sup> was a more important factor than growth rate when selecting a vetiver grass ecotype for CN<sup>-</sup> phytoremediation.</p>
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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».