PHYTOSTABLIZATION OF SULPHIDE MINE TAILINGS
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
Orphaned or abandoned sulphide tailing disposal sites pose significant environmental hazards, including eolian dispersion, water erosion, acid mine drainage, and heavy metal mobility. Phytostabilization, an eco-friendly strategy, entails the use of alkaline amendments alongside non-native plant species capable of thriving in environments with high concentrations of heavy metals. A greenhouse experiment was conducted to assess the effect of a commercial cement which contained 46.3% sand, applied alone or combined with three magnesium (Mg) reagents on the shoot dry yield (DMY) of ryegrass (Lolium multiflorum Lam.) grown on sulphide mine tailings (SMT) (pH 3.0). The 29 treatments evaluated were replicated three times in a randomized complete block design. All pots received N-P-K fertilizer. Treatments combining cement and Mg reagents significantly increased the pH of the cultivated tailings. Magnesium oxide (MgO) and magnesium hydroxide (Mg(OH)?), when mixed with the cement, were more effective than magnesium carbonate (MgCO?) in maintaining alkaline conditions in the cultivated tailings. The pH increase was notably higher in cultivated tailing samples treated with cement+MgO, reaching pH levels ranging from 4.93 to 7.58. Analysis of variance (ANOVA) revealed a highly significant effect of the cement+Mg reagents on the DMY of ryegrass. There was a strong correlation between substrate pH and DMY (r = 0.853, p less than 0.001), with a quadratic regression equation providing the best fit to the data (R? = 0.894, p less than 0.001). In conclusion, the study highlights the potential of an 8% cement combined with 2% MgO for tailing revegetation or cultivation purposes.
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 | 0,001 |
| 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) | 0,006 | 0,001 |
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