Tolérance et accumulation du cuivre et du chrome chez deux espèces de lentilles d’eau : Lemna minor L. et Lemna gibba L.
Bibliographic record
Abstract
Certains procédés d’épuration extensive des eaux usées utilisent les lentilles d’eau. Les rejets des eaux usées sont de plus en plus sujets à des pollutions de natures diverses, notamment les métaux lourds. Dans ce travail, on procède à une évaluation comparée de la tolérance et de l’accumulation de deux métaux lourds, le cuivre et le chrome, par deux espèces de lentilles d’eauLemna minoretLemna gibba. Bien que sous climat de type méditerranéen,L. gibbasoit plus utilisée queL. minor, les données disponibles dans la littérature concernent plutôtL. minor. L’évaluation des paramètres toxicologiques montre chezL. gibbaune tolérance nettement supérieure aux effets toxiques des deux métaux expérimentés. Le chrome est moins toxique que le cuivre et s’accumule à des taux supérieurs à ceux du cuivre dans les tissus des plantes. Pour les deux métaux, l’accumulation est plus importante chezL. minor. Cependant, on pense queL. gibbaserait plus indiquée dans des applications en phytoremédiation queL. minor, vu sa tolérance et sa productivité en biomasse. Les potentialités de ces deux espèces pour des applications de ce type se justifient par des taux d’accumulation fort élevés, spécialement pour le chrome où ils dépassent largement les 1000 µg g‑1de poids sec. En effet, les concentrations des plantes en Cr obtenues dans ce travail atteignent 2140 µg g‑1chezL. minoret 1710 µg g‑1chezL. gibba. Ces performances montrent un potentiel fort intéressant en comparaison à d’autres macrophytes comme la jacinthe d’eau par exemple.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".