Impact of brewery sludge application on heavy metal build-up, translocation, growth and yield of bread wheat (Triticum aestivum L.) crop in Northern Ethiopia
Notice bibliographique
Résumé
In a field study, the impact of different levels of brewery sludge (BS) enrichment on Triticum aestivum L . (wheat plants) was examined in terms of growth, yield, heavy metal absorption, and potential health risks linked to plant consumption. Using a randomized complete block design with seven treatments and three blocks, the study showed that applying up to 12 t ha -1 brewery sludge significantly improved all agronomic parameters (except harvest index) compared to control and mineral-fertilized soil. Heavy metal translocation was generally low, except for Cu and Pb. The sequence of heavy metal translocation was Cu > Pb > Cd > Ni > Zn > Mn > Cr from soil to spikes and Cu > Zn > Mn > Pb > Ni > Cd > Cr from soil to grain. Heavy metal loads were mostly higher in roots than in the above-ground crop parts. The target hazard quotient (THQ), hazard index (HI), and target cancer risk (TCR) within wheat grain remained within safe limits for all BS treatments. Consequently, consuming this wheat grain is considered safe regarding heavy metals. Thus, utilizing brewery sludge at 12 t ha -1 as a fertilizer for wheat production and as an alternative method for sludge disposal is plausible.
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 | 0,000 | 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 ».