Phytoremediating a Wastewater-Irrigated Soil Contaminated with Toxic Metals: Comparing the Efficacies of Different Crops
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.
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) | 0,001 | 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) | 0,001 | 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 ».