Assessment of Heavy Metals Contamination in Surface Soil of Ishiagu, Southeastern Nigeria.
Notice bibliographique
Résumé
Identification and quantification of heavy metals contamination in soil is very important as far as human health and environmental quality protection are concerned. Heavy metals enter the soil through natural and anthropogenic sources but contamination concern is mainly associated with anthropogenic input which is capable of increasing the natural concentration to contamination and toxic levels. Heavy metals can migrate from contaminated soil to other components of the environment with the possibility of human exposure and severe health implication. This study investigated heavy metals contamination of soils in Ishiagu area using pollution indices. Soil samples were collected at various points within the study area at depths of 0-20cm. Collected soil samples were analyzed for total metal concentration using ICP-OES after Aqua regia digestion in Bureau Veritas laboratory, Canada. The result of the analysis showed that heavy metals content in Ishiagu soil varies with location and is in the order: Zn (5 – 1450), Ni(1 – 73 ) Cu (3 – 37 )Cr(6 – 64 )Fe (2800 – 80800 )Al (2200 – 27400 ). The average concentration of the metals in the soil of the study area is in the order: Fe>Al > Zn>Cr > Ni> Cu. Based on the calculated average contamination Factors (CFs), there is moderate contamination of Zn in the investigated soil while the contamination level of other heavy metals that include Cr, Ni, Cu, Al and Fe are low; mean values less than 1(CF<1).The Igeo values calculated for each location range from practically uncontaminated with Cr, Ni, Al, Fe and Cu in all the locations to moderately contaminated with Zn in mining areas. However, the average igeo values for all the metals indicate no contamination in the study area soil. The knowledge of soil contamination status is relevant for environmental management decision.
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 | 0,008 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».