Fundamentals of Ornamental Plants in Removing Benzene in Indoor Air
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
The concentration of benzene in indoor air has received appreciable attention due to its adverse health effects. Although phytoremediation has been considered as an eco-friendly method to remove benzene, it is unclear how to select plants with a high removal rate. In this study, we evaluated the benzene removal efficiency of four common ornamental plants, Epipremnum aureum, Chlorophytum comosum, Hedera helix and Echinopsis tubiflora, and we also explored the factors impacting benzene removal efficiency. The removal efficiency of all plants in this study averaged at 72 percent. The benzene absorption rates of Epipremnum aureum, Hedera helix and Chlorophytum comosum were 1.10, 0.85 and 0.27 µg·m−3·cm−2, respectively. This is due to the different transpiration rates and chlorophyll concentrations in the plants. The benzene removal efficiency of crassulacean acid metabolism plant (Echinopsis tubiflora) was 23% higher than C3 plant (Epipremnum aureum) under dark conditions. This can be attributed to the fact that the characteristic of Echinopsis tubiflora stomata is different from Epipremnum aureum stomata, which is still open under dark conditions. Therefore, Echinopsis tubiflora can take up more benzene than Epipremnum aureum. For different initial benzene concentrations, the benzene removal efficiency of Echinopsis tubiflora was always great (50–80%), owing to its high rate of transpiration and concentration of chlorophyll. Our findings indicate that transpiration rate and chlorophyll concentration can be used as reference parameters to facilitate ornamental plant screening for indoor air quality improvement.
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 | 0,000 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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