MétaCan
Menu
Retour à la cohorte
Enregistrement W4408161141 · doi:10.3390/pollutants5010006

Source Apportionment and Risk Assessment of Heavy Metals in Soils During Dry and Rainy Seasons in Southern Malawi

2025· article· en· W4408161141 sur OpenAlexaboutno aff
Constance Chifuniro Utsale, Chikumbusko Chiziwa Kaonga, Fabiano Gibson Daud Thulu, Petra Chiipa, Ishmael Bobby Mphangwe Kosamu

Notice bibliographique

RevuePollutants · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHeavy metals in environment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésApportionmentWet seasonHeavy metalsDry seasonEnvironmental scienceSoil waterGeographyEnvironmental chemistrySoil scienceChemistry

Résumé

récupéré en direct d'OpenAlex

The recent increase in industrial activities has raised concerns regarding environmental quality in urban areas in Malawi. In this study, the contents of heavy metals [copper (Cu), zinc (Zn) and cadmium (Cd)] were analysed in 15 sites selected from Makata, Limbe, Maselema, Chirimba, and Maone industrial zones of Blantyre City in Malawi. Soil sampling was conducted during dry and rainy seasons, followed by laboratory analysis. The results revealed a few cases of elevated content of heavy metals exceeding permissible England and Canadian standards with higher content detected during the dry season than in the rainy season. Chirimba soil had the highest mean Zn content of 822 mg/kg in the rainy season and 579 mg/kg in the dry season. Maone soils had the highest Cd content, measuring 2.09 mg/kg in the rainy season and 3.06 mg/kg in the dry season. Chirimba soils also had the highest Cu content with levels of 105 mg/kg in the dry season and 79 mg/kg in the rainy season. The geo-accumulation index indicated that Zn posed the most severe pollution. The results of the Positive Matrix Factorisation model suggest that heavy metal pollution primarily originates from metal processing and manufacturing industries, followed by plastic manufacturing industries. This finding is supported by the nature of emissions from these sectors, where metal processing activities release heavy metals through particulates and waste to the environment, suggesting collective actions to prevent soil contamination.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,104

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,259
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePollutantsMême sujetHeavy metals in environmentTravaux en français237 207