MétaCan
Menu
Retour à la cohorte
Enregistrement W2344988594 · doi:10.5539/ep.v5n1p119

Some Elemental Content of Soil Within Catchment of River Jakara in Kano, Nigeria

2016· article· en· W2344988594 sur OpenAlexvenueno aff
Ngozi I. Dike, Sonnie Joshua Oniye

Notice bibliographique

RevueEnvironment and Pollution · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHeavy metals in environment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIrrigationSoil waterEnvironmental chemistrySewageEnvironmental scienceAtomic absorption spectroscopySoil testDrainage basinPollutionContaminationChemistryEnvironmental engineeringAgronomyGeographyEcologyBiologySoil science

Résumé

récupéré en direct d'OpenAlex

The use of untreated urban wastes and domestic sewage contaminated water for the irrigation of agricultural soils is on the rise particularly in the developing countries and is a public health concern with regards to the consumption of vegetables and fruits produced in them which may indirectly accumulate heavy metals in their edible portions. Using the atomic absorption spectrophotometry (AAS), concentrations of Ca, Mg, Na, K (essential bulk elements), Pb, Cd, Cr, Ni, Cu, Zn, Co and Fe (trace elements) were determined in 3 designated areas within the catchment area of River Jakara in Kano Nigeria. Samples were collected from two depths 0-15cm and 15-30cm to cover both dry and wet seasons. The mean concentrations of elements obtained ranged from 0.026 mg/g Cd to 46.83 mg/g Fe and occurred in the magnitude of Fe > Ca > K > Na > Pb >Zn > Co > Cu >Cr > Ni > Cd. The concentrations of the trace elements in the soils in the two depths exceeded the international recommended permissible limits establishing the pollution of the irrigation soils with the trace elements investigated. Based on the findings, it is recommended among others that the relevant organ of government should find an alternative farmland for the farmers within the catchment area of River Jakara where unpolluted waste sources can be utilized for the irrigation of vegetables.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,024

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 savante0,0010,000
Science ouverte0,0000,000
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 Opus0,015
Tête enseignante GPT0,208
Écart entre enseignants0,193 · 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

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and PollutionMême sujetHeavy metals in environmentTravaux en français237 207