MétaCan
Menu
Retour à la cohorte
Enregistrement W4309326673 · doi:10.1007/s10230-022-00908-0

Use of Wild Rice (Zizania palustris L.) in Paddy-Scale Bioassays for Assessing Potential Use of Mining-Influenced Water for Irrigation

2022· article· en· W4309326673 sur OpenAlexafffund
O’Niell R. Tedrow, Peter F. Lee

Notice bibliographique

RevueMine Water and the Environment · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMine drainage and remediation techniques
Établissements canadiensLakehead University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaLakehead University
Mots-clésEnvironmental scienceIrrigationSurface waterWater usePaddy fieldHydrology (agriculture)Water resource managementEnvironmental chemistryEnvironmental engineeringEcologyChemistryBiologyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract As surface water resources become more intensely used, and occasionally non-useable, consideration of non-conventional water resources for anthropogenic use has become more prevalent. Potentially critical non-conventional water sources include flooded mine-pit lakes. However, water in these lakes can contain potentially problematic concentrations of contaminants of concern. We evaluated the potential use of elevated sulphate (SO 4 ) mining-influenced waters with low to non-detect metals concentrations for irrigation of wild rice (Zizania palustris L.; WR), a culturally and economically important species. Two flow-through in-situ paddies were developed adjacent to two mine-pit lakes with differing chemical water characteristics; specifically, Pit A contained ≈350 mg SO4 L −1 and Pit C contained ≈1350 mg SO4 L −1 . Throughout the course of multiple consecutive growing seasons, no adverse WR responses to these mining-influenced water exposures were observed. Based on data and observations from this study, potential use of mining-influenced waters containing elevated SO 4 as the primary contaminant for appropriate irrigation purposes is supported. However, site-specific conditions and potential environmental risks must be considered prior to use of mining-influenced waters for anthropogenic applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,310

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,218
Écart entre enseignants0,203 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMine Water and the EnvironmentMême sujetMine drainage and remediation techniquesTravaux en français237 207