The potentional of plants to cleanup metals from an old landfill site
Notice bibliographique
Résumé
Old landfill sites contain different hazardous materials like heavy metals which have the ability to affects the entire environment. These places are sometimes covered by plants to increase the stability of the soil and to reduce the effects of erosion. 15 soil samples (3 samples from each place) and 5-7 timothy-grass (Phleum pretense) plants from 5 different places were taken from an old landfill place in an active landfill site in Högbytorp /Sweden owned by Ragn-sells Group Company. XRF scanning was used to analyze the metal content of soil samples and of plants. High concentrations of metals were detected in the soil samples like Fe with an average of about 25000 ppm, Mn about 250 ppm and 2800 ppm of Ti. The plants results showed an average concentration of Fe in the shoots about 730 ppm, Mn about 60 ppm and Ti about 1760 ppm. On the other hand, the roots results showed an average concentration of about 10 000 ppm of Fe, about 160 ppm of Mn and 2200 ppm of Ti. These results gave the indication that the Timothy-grass has the ability to extract metals from contaminated soils and can help to cleanup these soils.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».