Evaluation of potentially toxic elements in soils developed on limestone and lead-zinc mine sites in parts of southeastern Nigeria
Notice bibliographique
Résumé
The present study investigated the distribution of elements and potentially toxic elements (PTEs) in soil profiles in the southeastern region of Nigeria, where unrefined and primitive mining practices are common. Soil samples were collected from mine and non-mine sites in Ameka and Nkalagu and analyzed for total elemental concentration using portable X-ray fluorescence (pXRF). The results showed that the Ameka mine-affected soils were heavily polluted, while the Ameka non-mine-affected soils were moderately polluted. The Nkalagu mine and non-mine-affected soils were also moderately polluted. The potential ecological risk (PER) was high in the Ameka mine-affected site due to elevated As, Cu, and Pb levels, while the Ameka non-mine-affected site had a low PER. The enrichment factor (EF) values indicated more enrichment of PTEs in the mine-affected sites compared to the non-mine-affected sites. The geoaccumulation index (Igeo) showed moderate to extreme contamination in the Ameka mine-affected site with Cu, Zn, As, and Pb. In contrast, the Nkalagu mine-affected site had considerably lower contamination. The regression model showed that site characteristics alone were insufficient to explain elements and PTEs distribution, emphasizing the importance of considering soil properties in understanding their spatial patterns. The study highlights the higher concentrations of As, Cu, and Pb in the mine-affected sites compared to the non-mine areas and recommends remediation strategies for these elements and PTEs, especially in the vicinity of mine sites. Further laboratory analysis is recommended to understand the mobility of PTEs with depth for better remediation approaches.
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 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 | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».