An overview of potentially toxic element pollution in soil around lead–zinc mining areas
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Metal mining activities have been major contributors of potentially toxic elements (PTEs) in the environment, leading to substantial soil pollution. One such example is lead–zinc mining around the world. Elevated concentrations of PTEs are commonly detected in nearby areas of both active and abandoned mines. This is primarily attributed to the release and dispersal of untreated waste materials from these mines into the surrounding environment. Mining-related soil pollution with PTEs can pose many different kinds of risks in a variety of contexts such as eco-toxicity, phytotoxicity, human health risk, as well as soil and water pollution. This review summarizes available data in the literature (2000–2023) on PTEs polluted soils originating from lead–zinc mining areas across the world. In this study, an attempt has been taken to evaluate the pollution level of PTEs in soils using collected data. The study shows the most polluted world regions are reported in Asia, followed by Europe and Africa, and only a few studies are reported in north, central and south America. The elements commonly analyzed in conjunction with Pb and Zn were Cd and Cu, whereas those responsible for increased pollution were Cd > As > Cu > Hg–Mn–Tl. Assessment of the pollution and health hazards has shifted to include a variety of quality indexes, including multivariate statistical analyses and microbial diversity.
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.
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 | 0,001 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 découle