MétaCan
Menu
Retour à la cohorte
Enregistrement W2405373782 · doi:10.1080/15226514.2016.1186593

Phytoremediation of groundwater contaminated with pesticides using short-rotation willow crops: A case study of an apple orchard

2016· article· en· W2405373782 sur OpenAlexaff
Benoît Lafleur, Sébastien Sauvé, Sung Vo Duy, Michel Labrecque

Notice bibliographique

RevueInternational Journal of Phytoremediation · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBioenergy crop production and management
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésPhytoremediationWillowOrchardEnvironmental sciencePesticideAgronomyContaminationGroundwaterGroundwater pollutionBiologyAquiferBotanyEngineeringEcology

Résumé

récupéré en direct d'OpenAlex

The occurrence of pesticides in groundwater represents an important health issue, notably for population whose drinking water supply source is located in agricultural areas. However, few solutions have been considered with regard to this issue. We tested the efficacy of a vegetal filtering system made of shrub willows planted at a high density (16,000 plants ha(-1)) to filter or degrade pesticides found in the groundwater flowing out of an apple orchard. Ethylene urea (EU), ethylene thiourea (ETU), tetrahydrophthalimide (THPI), atrazine, and desethylatrazine were monitored in the soil solution in willow and control plots over one growing season. ETU and atrazine concentrations were lower in the willow plots relative to the control plots, whereas desethylatrazine concentration was higher in the willow plots. No significant difference was detected for EU and THPI. Furthermore, pesticide concentrations displayed complex temporal patterns. These results suggest that willow filter systems can filter or degrade pesticides, notably ETU and atrazine, and could be used for phytoremediation purposes. Yet, this potential remains to be quantified with further studies using experimental settings allowing more estimation in time and space.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,498
Score d'incertitude au seuil0,168

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,029
Tête enseignante GPT0,268
Écart entre enseignants0,240 · 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'étudeExpérimental (laboratoire)
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

Citations18
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of PhytoremediationMême sujetBioenergy crop production and managementTravaux en français237 207