Nano-oxides immobilize cadmium, lead, and zinc in mine spoils and contaminated soils facilitating plant growth
Notice bibliographique
Résumé
Nanoparticles with high reactivity can be applied as amendments to remediate soil metal contaminations by immobilizing toxic elements. Nano-oxides of Fe have been studied but Al and Ti nano-oxides have not been tested for their remediation capacity of toxic metals. The potential of synthesized iron (Fe-O), aluminum (Al-O), and titanium (Ti-O) nano-oxides for stabilizing Cd, Pb, and Zn in mine spoil (Chat) and contaminated soil was compared using adsorption studies and a greenhouse experiment. Chat and soil were amended with nano-oxides at two rates (25 and 50 g·kg−1) and a pot experiment was conducted with sorghum (Sorghum bicolor L. Moench). Leachates were collected twice per week from plant emergence to harvest at maturity and metals were compared against an unamended control. Chat was contaminated with Cd, Pb, and Zn at 84, 1583, and 6154 mg·kg−1, and soil at 15, 1260, and 3082 mg·kg−1, respectively. Adsorption conformed to the Langmuir linear isotherm and adsorption maxima of metals were in the order of Al-O > Ti-O ≥ Fe-O. Nano-oxides reduced Cd concentration by 28% (Fe-O) to 87% (Ti-O) and Zn concentration by 14% (Fe-O) to 85% (Al-O) in plant tissues compared with unamended Chat. Nano-oxides significantly reduced Cd, Pb, and Zn in leachates and available Cd and Zn in Chat/soil relative to the respective unamended controls. Nano-oxides can be used to remediate heavy metal contaminated Chat and soil and facilitate plant growth under proper nutrient supplements. Nano-oxides of Al-O and Ti-O remediated metals more effectively than Fe-O.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,000 | 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 source (Gemma direct ou Codex distillé), 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 ».