Phytoremediating a Wastewater-Irrigated Soil Contaminated with Toxic Metals: Comparing the Efficacies of Different Crops
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A formidable challenge in suburban agriculture is the sustainability of soil health following the use of wastewater for irrigation. The wastewater irrigation likely toxifies the crop plants making them unconsumable. We used a multivariate, completely randomized design in a greenhouse, comparing the phytoextraction capacities of Brassica juncea, Eruca sativa, Brassica rapa, and Brassica napus—all grown on silt loam soil irrigated with industrial wastewater, canal water, and a 1:1 mixture, during 2018. The studied Brassica plants were generally closely efficient in remediating toxic metals found in wastewater irrigated soil. Substantial differences between Brassica and Eruca plants/parts were recorded. For example, B. napus had significantly higher metal extraction or accumulation compared to E. sativa for Zn (71%), Cu (69%), Fe (78%), Mn (79%), Cd (101%), Cr (57%), Ni (92%). and Pb (49%). While the water and plant were the main predictors of metal extraction or accumulation, an interaction between the main effects substantially contributed to Cu, Mn, and Fe extractions from soil and accumulations in plants. Significant correlations between biological accumulation coefficient and biological transfer coefficient for many metals further supported the metal extraction or accumulation efficiencies as: B. napus > B. juncea > B. rapa > E. sativa. Root-stem mobility index correlation with stem-leaf mobility index indicated the metal translocation along the root-stem-leaf continuum. Therefore, we suggest that these crops may not be used for human or animal consumption when grown with industrial wastewater of toxic metal concentrations ≥ permissible limits. Rather these plants may serve as effective remediators of toxic metal-polluted soil.
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.
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 | 0,000 |
| 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 découle