MétaCan
Menu
Retour à la cohorte
Enregistrement W2590153399 · doi:10.2298/jsc170113024p

Possibilities of assessing trace metal pollution using Betula pendula Roth. leaf and bark - experience in Serbia

2017· article· en· W2590153399 sur OpenAlexaff
Drаgаnа Pаvlović, Marija Pavlović, Milica Marković, Branko Karadžić, Olga Kostić, Snežana Jarić, Miroslava Mitrović, Ivan Gržetić, Pavle Pavlović

Notice bibliographique

RevueJournal of the Serbian Chemical Society · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHeavy metals in environment
Établissements canadiensInstitute for Biological Sciences
Organismes subventionnairesMinistarstvo Prosvete, Nauke i Tehnološkog Razvoja
Mots-clésBetula pendulaTrace elementBark (sound)Environmental chemistryPollutionChemistryTrace metalBotanyEnvironmental scienceMetalEcologyBiology

Résumé

récupéré en direct d'OpenAlex

In this study, both seasonal and spatial variations in trace metal uptake, as well as concentration of photosynthetic pigments in Silver birch (Betula pendula Roth.) trees in five urban parks in Pancevo, Smederevo, Obrenovac and Belgrade (Serbia) affected by different anthropogenic activities were studied. The characteristics of soil were assessed in terms of texture, pH and trace element content. Concentrations of boron, strontium and zinc in both leaves and bark showed an increasing temporal trend, however, copper showed an opposite seasonal trend. A higher accumulation of trace elements was noticed in leaves compared to bark. The obtained results for photosynthetic pigments showed low sensitivity of birch to B, Cu, Sr and Zn contamination, indicating that birch tolerates pollution and climate stress by increasing the amount of pigments. Analysis of the effects on soil chemistry of trace element accumulation in plant tissues proved that soil chemistry poorly explains the variability of elements in bark (27.6 %) compared to leaves (82.99 %). Discriminant analysis showed that Belgrade and Smederevo are clearly separated from the other three sites.

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)0,001
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 enseignants0,516
Score d'incertitude au seuil0,422

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,039
Tête enseignante GPT0,311
Écart entre enseignants0,272 · 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

Citations19
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Serbian Chemical SocietyMême sujetHeavy metals in environmentTravaux en français237 207