Assessment Indexes and Recommended Maximum Permissive Concentrations of ToxicSubstances in Irrigation Water for Growing Vegetables in Greenhouse
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
It is unreasonable to assess the environmental quality of the greenhouse vegetable growing area based on the current standards. The key points of selecting assessment indexes and determining maximum permissive concentrations (MPC) of the toxic substances in irrigation water for greenhouse vegetable field were discussed in this paper. Considering the harm to vegetable growing, effects on food quality and safety, damage possibility on rural ecology and environment,several indicators including pH, COD, LAS, TDS, chloride, sulfide, mercury, cadmium, arsenic, chromium, lead, coliform, ascarid were selected as the basic assessment indexes; while copper, zinc, selenium, fluoride, cyanide, mineral oil, phenol, benzene, boron, aluminum, manganese, molybdenum were selected as theoptional evaluation indexes. Comparing with related criterions of FAO, America,Canada, Germany, Australian, Japan and other countries, taking account of the status quo in China, maximum permissive concentrations of each toxic substance were given out by the author as following: pH 6～8.5, COD: 40 or 150 mg·L-1; LAS: 5.0 mg·L-1; TDS: 1000 mg·L-1; chloride: 250 mg·L-1; sulfide: 1.0 mg·L-1; mercury: 0.001 mg·L-1; cadmium 0.01 mg·L-1; arsenic: 0.05 mg·L-1; chromium: 0.10 mg·L-1; lead: 0.10 mg·L-1; coliform: 4000MPN·100 mL-1; ascarid: 2 eggs·L-1; copper: 1.0 mg·L-1; zinc: 2.0 mg·L-1; selenium: 0.02 mg·L-1: fluoride: 2.0 mg·L-1; cyanide: 0.50 mg·L-1; mineral oil: 1.0 mg·L-1; phenol: 0.1 mg·L-1; benzene: 0.01mg·L-1; boron: 0.5mg·L-1; aluminum; 5.0 mg·L-1; Iron: 5.0 mg·L-1; manganese: 0.2 mg·L-1; molybdenum: 0.01 mg·L-1.
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.
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 | 0,002 |
| 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 découle