MétaCan
Menu
Retour à la cohorte
Enregistrement W4378469723 · doi:10.1007/s12403-023-00563-y

Fertilization Enhances Grain Inorganic Arsenic Assimilation in Rice

2023· article· en· W4378469723 sur OpenAlexfundno aff
Monira Begum, Litian Li, Ellen Young, Manus Carey, Gang Li, Yong‐Guan Zhu, Stephen Banwart, Andrew A. Meharg, Caroline Meharg

Notice bibliographique

RevueExposure and Health · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueArsenic contamination and mitigation
Établissements canadiensnon disponible
Organismes subventionnairesQueen's UniversityNatural Environment Research CouncilQueen's University BelfastSight Research UK
Mots-clésArsenicChemistryEnvironmental chemistryFertilizerPhosphorusAgronomyOrganic matterAnimal scienceBiology

Résumé

récupéré en direct d'OpenAlex

Abstract To investigate how soil fertilization/amendments alters arsenic speciation grain off-take in paddy rice, rice was grown to maturity in growth chambers fertilized with standard mineral fertilizer, wood ash (rich in silica), pig slurry (rich in organic matter), and non-amended control. The soil was sourced from a Chinese paddy field. The primary fertilized elements (nitrogen, phosphorus, potassium) were kept constant across treatments. Porewater chemistry and soil microbiology were monitored throughout the experiments. Total grain arsenic, sum of inorganic arsenic and dimethylarsinic acid (DMA), was significantly different between treatments ( P = 0.024), with inorganic arsenic varying from 0.025 to 0.08 mg/kg and DMA from 0.08 to 0.16 mg/kg for control compared to fertilized, respectively. Fertilizer source made no difference to arsenic speciation concentration in grain. Porewater analysis found that as anaerobism set in, inorganic arsenic, phosphorus and manganese greatly lowered in concentration. Methylated arsenic species concentrations increased over time, concurrent with an increase in pH, decrease in Eh, and increase in total organic carbon and iron, with no strong treatment effects, except for pig slurry that enhanced pH and decreased Eh. Methanogenic archaea, sulfate-reducing bacteria and Acidobacteria increased with time and some Actinobacteria and Firmicutes increased due to slurry, but then decreased with time ( P < 0.01). Methanogenic archaea and sulphate-reducing bacteria correlated positively with porewater DMA and negatively with porewater inorganic arsenic ( P < 0.05). Genera within the Actinobacteria and Burkholderiaceae correlated negatively with DMA, while genera with iron-reducing capacity (Clostridiales) correlated positively with porewater inorganic arsenic and DMA ( P < 0.05).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0010,000

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 Opus0,022
Tête enseignante GPT0,285
Écart entre enseignants0,263 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations8
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExposure and HealthMême sujetArsenic contamination and mitigationTravaux en français237 207