Biochar and alternate partial root-zone irrigation greatly enhance the effectiveness of mulberry in remediating lead-contaminated soils
Notice bibliographique
Résumé
Abstract Aims Soil lead contamination has become increasingly serious and phytoremediation can provide an effective way to reclaim the contaminated soils. This study aims to examine the growth, lead resistance and lead accumulation of mulberry (Morus alba L.) seedlings at four levels of soil lead contamination with or without biochar addition under normal or alternative partial root-zone irrigation (APRI). Methods We conducted a three-factor greenhouse experiment with biochar (with vs. without biochar addition), irrigation method (APRI vs. normal irrigation) and four levels of soil lead (0, 50, 200 and 800 mg·kg−1). The performance of the seedlings under different treatments was evaluated by measuring growth traits, osmotic substances, antioxidant enzymes and lead accumulation and translocation. Important Findings The results reveal that mulberry had a strong ability to acclimate to soil lead contamination, and that biochar and APRI synergistically increased the biomass and surface area of absorption root across all levels of soil lead. The seedlings were able to resist the severe soil lead contamination (800 mg·kg−1 Pb) by adjusting glutathione metabolism, and enhancing the osmotic and oxidative regulating capacity via increasing proline content and the peroxidase activity. Lead ions in the seedlings were primarily concentrated in roots and exhibited a dose–effect associated with the lead concentration in the soil. Pb, biochar and ARPI interactively affected Pb concentrations in leaves and roots, translocation factor and bioconcentration. Our results suggest that planting mulberry trees in combination with biochar addition and APRI can be used to effectively remediate lead-contaminated 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 | 0,000 | 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) | 0,000 | 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 ».