MétaCan
Menu
← Retour à la cohorte
Enregistrement W3080390331 · doi:10.1101/2020.08.21.260661

Effect of cleanup of spiked sludge on corn growth biosorption and leaching of metals

2020· preprint· en· W3080390331 sur OpenAlexaff
Driss Barraoui, Jean-François Blais, Michel Labrecque

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2020
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueHeavy metals in environment
Établissements canadiensUniversité de MontréalEspace pour la vieInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésBiosorptionBiosolidsLeaching (pedology)LeachateChemistryMetalEnvironmental chemistryAmendmentSewage sludgeValorisationPulp and paper industryEnvironmental engineeringWaste managementSewage treatmentEnvironmental scienceAdsorptionSoil water

Résumé

récupéré en direct d'OpenAlex

A bstract A chemical leaching process has been used for the cleanup of two municipal biosolids (MOS and BES) spiked with Cd, Cu, Zn or their mixture prior to agricultural use. Non-cleaned, cleaned and washed biosolids were compared as soil amendments for corn cultivation inside glasshouse. Corn growth, biosorption of metals and leaching of these metals in leachate were measured. Results showed that biosolid amendments tend to produce more aerial biomass. Cleanup and washing of BES biosolid significantly augmented total biomass of roots and stalks, respectively. Regarding biosorption of metals, Cd could not be found neither in corn seeds, nor in stalks, while slight amounts of Cu were detected. Whereas Cd and Cu diminished in the order roots > leaves > stalks, Zn diminished from leaves > roots > stalks. Cleanup and washing of MOS and BES biosolids significantly lowered biosorption of Cd, Cu, Zn, and other metals. Leaching into the outlet water varied with time, but average concentrations were moderately low. There were significant amounts of metal leached from MOS biosolid. The effects of cleanup and washing of both biosolids on biosorption and leaching depended on the initial metallic charge and the biosolid type.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,012
Tête enseignante GPT0,222
Écart entre enseignants0,210 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetHeavy metals in environment→Travaux en français237 207→