Effect of Heavy Metal Pollution on Leaf Litter Decomposition of Two Species of Mangroves, Avicennia marina and Rhizophora mucronata
Notice bibliographique
Résumé
Decomposition of litter is influenced by physicochemical characteristics of the habitat which is affected by pollution. In this study the effect of heavy metals on leaf litter decomposition of two mangrove species, Avicennia marina and Rhizophora mucronata is investigated. An experiment was conducted in which litter bags were half-buried in mangrove soil in earthen pots in a greenhouse in which close to natural conditions were maintained and they were treated with 0, 5 and 10 ppm Ni and Pb as a solution of sea water for 16 weeks. Periodic observations were taken on the dry weight remaining and the four factor ANOVA was performed. All four factors (species, heavy metals, concentrations, time) were found to be significant (P at the most 0.05) while some of the interactions were also significant. Half-life and rate of decomposition, k were calculated on the basis of 12 periodic weight loss observations. The litter decomposition followed an exponential decay curve in all cases. The highest rate of decomposition (0.0155 gDWd-1) and the shortest half life (7.44 days) were found for the control of Avicennia marina. In general, decomposition rate of A. marina was more rapid compared to that of R. mucronata. Whereas, the decomposition in treatments with heavy metals were found to be slower than in the controls, the minimum of which (0.0105 gDWd-1) and the longest half life (18.17 days) were found in Rhizophora mucronata leaves treated with 10 ppm Pb. Lead appears to be more inhibitory to the process of litter decomposition compared to nickel. The two mangrove species responded differentially to the heavy metal concentrations. The influence of heavy metals in the decomposition process is discussed.
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 | 0,002 | 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 | 0,000 |
| 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) | 0,000 | 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 ».