<i>Oryza sativa</i> as a Tool for Assessing Arsenic Efficacy of Arsenic Remediation of Agricultural Soils by Sulfidated Zerovalent Iron Nanoparticles
Notice bibliographique
Résumé
Arsenic (As) is highly toxic in its inorganic form. It is naturally presented at elevated levels in the groundwater of a number of countries and contaminates drinking water sources, generating numerous health and environmental problems. Current methodologies for its remediation have deficiencies which fuel the constant exploration of new alternatives. Therefore, the development of robust methodologies for the evaluation of potential remediation technologies are not only timely but also highly needed. In this study we have investigated the use of a rice plant species as a means to evaluate the efficacy of As remediation using sulfidated zerovalent iron nanoparticles (S-nZVI). The obtained results show that addition of S-nZVI to soils had a beneficial impact to plant growth in the presence of As(V) and As(III) concentrations between 10 and 50 ppm. Positive effects were also found for plant biomass and chlorophyll content in the plants. Moreover, evaluation of As uptake by plants showed that the application of S-nZVI reduced the amount of both As(V) and As(III) in shoots and increased the amount of As in the roots. Studies on the Fe and P content in shoot and root after exposure to As with and without the nanoparticles demonstrated that nanoparticles remain mainly in the roots and that P uptake by plants was not significantly affected, suggesting that S-nZVI treatment is safe for plants at the assayed doses. These results overall confirm the method as robust and reliable for demonstrating the reduction of the bioavailability of As in soil by S-nZVI sequestration.
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 | 0,000 | 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».