Manure and iron oxide show potential for reducing uptake of arsenic and mercury in lettuce grown in a contaminated mining site
Notice bibliographique
Résumé
The poor soil quality and high concentrations of potentially toxic elements (PTEs) found in gold mine tailings make them inappropriate for crop production. Assessing the viability of mine tailings for crop production after mining is essential because of the harmful impacts of these PTEs on food safety and human health. A 44-day pot experiment was conducted to test the effectiveness of different soil amendments in reducing the levels of PTEs at a decommissioned mining site in south-western Ghana. Compost, iron oxides, and poultry manure were applied individually or in combination to the mine soil in the pots. Lettuce ( Lactuca sativa L.) was subsequently planted in the pots. Upon reaching maturity, the lettuce was harvested, and an analysis of the nutrients and PTE contents in both the soil and plants was done. The uptake of PTE by lettuce was evaluated, and the transfer coefficients of the PTEs were determined. The addition of manure and iron oxide as distinct ameliorants significantly decreased the uptake of PTEs by lettuce. The application of manure led to a 93 % decrease in arsenic (As) bioaccumulation in lettuce. Iron oxide resulted in a notable 67 % decrease in the bioaccumulation of As in lettuce. The exclusive application of manure led to an 83 % reduction in Hg uptake by lettuce plants, while Co uptake experienced a 46 % increase. Utilizing manure and iron oxides could prove beneficial in enhancing soil quality and potentially reducing the uptake of arsenic and mercury by lettuce grown in the contaminated mining site.
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 | 0,001 | 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 | 0,000 |
| 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 ».