Organic amendments potentially stabilize metals in smelter contaminated Arctic soils: An incubation study
Notice bibliographique
Résumé
The long-term emission impacts of the nickel processing industry in the Kola Peninsula, the largest source of sulfur dioxide and heavy metals emissions in Northern Europe, have created vast technogenic barrens near the mineral industry complexes. The pace of rehabilitation using the improved remediation technologies to enhance sustainable environmental management and regional economic development is of crucial social and economic importance. In a 120-day incubation experiment, we evaluated the prospects for the restoration of two soils at different degradation stages via carbon pool regulation comparing to mineral ameliorants - NPK fertilizer, and liming agent. Organic additives used included a humic preparation based on an alkaline brown coal extract, wood-derived biochar, and peat-derived gel, supplied by mycorrhizae fungi. The results demonstrate that the selected organic amendments are suitable for restoration of acidic metal contaminated soils. Specifically, the treatments provided a measurable increase in soil carbon content, a marked decrease in acidity, a decrease in extractable metal contents, together with an enhanced nutrient uptake and vegetative growth. A stabilization effect increased from biochar to peat-gel, liming agent and humic preparation, with an accompanying increase in soil pH. Although biochar showed a reduced ability to metal stabilization, the associated treatments were the most productive. The most effective amendments in multi-metallic contaminated soils need to be able to stabilize bioavailability of metals, adjust pH to the optimum for plant growth, and regulate nutrient consumption.
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) | 0,012 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».