Phytoremediation of pesticide-contaminated freshwaters by aquatic plants: a meta-analysis
Notice bibliographique
Résumé
In the last decade, water contamination by pesticides has become a global concern, and phytoremediation has gained increasing attention. This approach is cost-effective and ecologically beneficial, revealing the abilities of plants to remove, detoxify, or immobilize environmental contaminants. Despite the growing number of publications, some questions remain: (i) How effectively do aquatic plants reduce pesticides in water? (ii) How is the effectiveness of water phytoremediation influenced by plant characteristics, pesticide properties, and environmental/experimental conditions? To answer those questions, we conducted a meta-analysis with 405 extracted pairs of data points from 56 studies to systematically analyze and explore the efficiency of pesticide removal by aquatic plants. We found that, compared to the control without plants, aquatic vegetation increases pesticide removal from water by 38.86 % (95 % CI = 31.50–46.21 %). We conducted subgroup and meta-regression analyses to identify factors influencing the global effect size. The taxonomy (order) and the life form of the plants did not significantly influence the degree of pesticide removal. The removal efficiency was influenced by pesticides’ type/mode of action, with insecticides being less efficiently removed than other pesticides. Additionally, we observed higher phytoremediation efficiency with increasing log K OW (lipophilicity), molecular mass, and in experiments conducted with contaminant mixtures. Environmental conditions also influenced removal efficiency, with higher temperatures and light intensity enhancing phytoremediation. Our results provide insights into the key factors determining the success of phytoremediation in aquatic environments contaminated by pesticides, thereby guiding decision-making on using this technology and directing new research toward developing strategies to enhance its effectiveness.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,054 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».