MétaCan
Menu
Retour à la cohorte
Enregistrement W2913824621 · doi:10.1038/s41598-018-36582-y

Spatial heterogeneity of heavy metal contamination in soils and plants in Hefei, China

2019· article· en· W2913824621 sur OpenAlexaff
Qianjin Zhang, Ruoyun Yu, Songling Fu, Wu ZeMin, Han Y. H. Chen, Hua Liu

Notice bibliographique

RevueScientific Reports · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHeavy metals in environment
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésContaminationSoil waterChinaEnvironmental scienceHeavy metalsEnvironmental chemistryEnvironmental protectionMining engineeringGeographySoil scienceGeologyBiologyEcologyChemistryArchaeology

Résumé

récupéré en direct d'OpenAlex

The contamination of soil and plants with heavy metals, which has detrimental influences on plant growth, water purification, and food safety, has emerged as a serious global issue. To better understand the spatial variations of contamination of heavy metals associated city development and land use types, we collected soil samples and Magnolia grandiflora branches to quantify lead (Pb) and cadmium (Cd) contents of the roadside, industrial, residential, and park greenbelts in Hefei City, China. We found that Pb content in soil was the highest in roadside greenbelts and the lowest in parks with industrial and residential greenbelts being intermediate, while Cd in soil was the highest in greenbelts close to city center and decreased with the distance to city center. Pb in M. grandiflora, however, did not differ among greenbelt types but decreased with distance to the city center. Cd in M. grandiflora was the highest in roadside and lowest in parks and also decreased with the distance to the city center. Across all greenbelt types and the distances to the city center, Pb and Cd contents were positively correlated in soil and plants. Our findings suggest that vehicle traffic, population density, and age of urbanization collectively contribute to soil and plant contamination of Pb and Cd.

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)0,002
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,600

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 savante0,0000,000
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 Opus0,009
Tête enseignante GPT0,231
Écart entre enseignants0,222 · 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'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

Citations59
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetHeavy metals in environmentTravaux en français237 207