Integration of Mosses (Funaria hygrometrica) and Lichens (Xanthoria parietina) as Native Bioindicators of Atmospheric Pollution by Trace Metal Elements in Mediterranean Forest Plantations
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
Atmospheric emissions of industrial-origin trace metals are a major environmental problem that negatively affects air quality and the functioning of forest ecosystems. Traditional air quality monitoring methods require investments in equipment and infrastructure. Indeed, it is difficult to measure most of these pollutants because their concentrations usually occur at very low levels. However, this study explores an ecological approach for low-cost air quality biomonitoring that is based on native biological indicators in the context of the Mediterranean basin. This study aims (i) to evaluate the lichen species composition, diversity, and distribution across three distinct forest sites; (ii) investigate the relationship between lichen species richness and proximity to the pollution source; and (iii) evaluate heavy metal bioaccumulation using a moss species (Funaria hygrometrica) and a lichen species (Xanthoria parietina) as bioindicators of atmospheric pollution. High concentrations of toxic metals were observed along the transect and closer to the pollutant source with marked interspecies variability. X. parietina exhibited high bioaccumulation potential for most toxic metals (Fe, Zn, Pb, Cr, Cu, and Ni) compared to F. hygrometrica with concentrations varying across the three sites, reaching maximum dry-mass values of 6289 µg/g for Fe at the first site and 226 µg/g for Zn at Site 3. Our results suggest that X. parietina can be used as a potential bioindicator for long-term spatial biomonitoring of air quality by determining atmospheric toxic metals concentrations.
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 | 0,000 | 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 découle