Assessment of the ecological and human health risks from metals in shrimp aquaculture environments in Central Java, Indonesia
Notice bibliographique
Résumé
The occurrence and contamination level of seven important toxic metals (Cd, Cu, Co, Cr, Hg, Pb, and Zn) and three additional metals (Al, Fe, and Mn) in the water, sediment, and shrimp muscle in aquaculture areas located in Central Java, Indonesia, were investigated. The results suggest that the majority of metals have higher concentrations in the inlet followed by the outlet and ponds. Cd dissolved in the waters exhibited the highest level in Pekalongan (3.15 ± 0.33 μg L −1 ). Although Pb was not detected in the water, it was detected in the sediment, and the concentration ranged from 7.6 to 15.40 mg kg −1 dw. In general, the heavy metal concentrations in the sediments were found to decrease in the sequence Al > Fe > Mn > Zn > Cr > Cu > Co > Pb. Concentrations below the effects range low level based on the Canadian sediment quality guidelines were found for Cr, Cu, Pb, and Zn, whereas moderate sediment pollution (25–75 mg kg −1 dw) was observed for Cr (all regions), Cu (except in the Pekalongan region), and Zn (Brebes and Tegal regions) according to the US EPA standard. The status of the waters was evaluated by calculating a pollution index derived mostly from Mn and Zn. The ecological risk (geoaccumulation index ( I geo ), contamination factor (CF), pollution load index (PLI), and potential ecological risk index (ERI)) determined in the sediments indicated that all studied areas had low to moderate contamination. The concentrations of all metals in shrimp were generally below the maximum limits for seafood, except for Zn (in all stations), Pb, and Cr (Tegal and Pekalongan). The hazard index values for metals indicated that consuming shrimp would not have adverse effects on human health.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».