Organic Matter Additions for Improved Revegetation of Arsenic-Rich Waste Rock with Planted Boreal Conifers: A Three-Year In Situ Monitoring Study
Notice bibliographique
Résumé
Abstract Mining waste creates challenging soil conditions that hinder tree establishment for boreal forest restoration. This study investigated the effects of adding topsoil or ramial chipped wood (RCW) on the physicochemical properties of waste rock and the growth and survival of planted native tree species. An randomized-block setup with four treatments and repetitions was established on a gold mine site in western Quebec, Canada in 2018, and planted with Pinus banksiana and Abies balsamea. Results demonstrated that topsoil addition significantly improved height and diameter growth, aerial and root biomasses, survival, and nutrient uptake (N, P, and S) in conifer seedlings, concomitantly to increased water content, decreased pH, and elevated nutrient concentrations in the substrate. However, multivariate analysis revealed that these improved soil conditions alone did not determine the survival and growth of conifer seedlings. In contrast, the application of RCW-based treatments had no discernible impact on the growth and survival of the planted trees. Additionally, topsoil addition effectively reduced the concentration of potentially phytotoxic elements in soil and needles, particularly arsenic. The total arsenic concentration in the mineral substrate (84.1 to 507 µg.g− 1) emerged as a growth-limiting factor for both conifer species. The total concentration of arsenic in the waste rock correlated positively with arsenic accumulation in the tree needles, indicating potential root uptake of this element. This study emphasizes the significance of addressing arsenic availability during reclamation efforts at mine sites. Nonetheless, further research is required to determine the phytotoxic thresholds of arsenic on conifers and its potential metabolic effects.
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 | 0,001 | 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 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 ».