Capacity of Nerium oleander to phytoremediate mine spoils assisted by air nanobubbles and biochar
Notice bibliographique
Résumé
Background Heavy metals in soil are mainly introduced from a variety of natural sources and human actions such as industrial, agricultural and mining activities. As they find their way into the environment, they persist indefinitely since they are not biodegradable. Among the methods for the remediation of soils contaminated with heavy metals, a cost effective and non-intrusive alternative is phytoremediation. A pot experiment was conducted to investigate the ability of N. oleander to phytoremediate laterite mine spoils amended with different additives including biochar produced from the pyrolysis of sewage sludge and nitrogen phosphate potassium (NPK) fertilizer. In addition, the effect of irrigation with air nanobubbles (AirNBs) as soil amendment was also investigated. Results The combination of biochar and fertilizer caused an inhibition of growth of N. oleander in laterite mine spoil, whilst its growth was not significantly affected by the addition of the biochar and the supplementation of NBs. The physiological condition of the plant species in terms of biomass, water content, chlorophyll content, protein content and antioxidant enzymes activity was examined after the end of the experimental period. Remarkably, the irrigation with NBs resulted in an increase of the bioavailability of iron (Fe), nickel (Ni) and chromium (Cr) present in laterite mine spoils. The accumulation of these metals in plant tissues was found to be significantly greater in treatments using substrates with high laterite content and the supplementation of nanobubbles. Conclusion The application of irrigation water with nanobubbles is beneficial as a soil amendment and it is recommended when phytoremediation technologies are applied in contaminated areas.
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 | 0,000 | 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 ».