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’eau Lemna minor et Lemna gibba . Bien que sous climat de type méditerranéen, L. gibba soit plus utilisée que L. minor , les données disponibles dans la littérature concernent plutôt L. minor . L’évaluation des paramètres toxicologiques montre chez L. gibba une 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 chez L. minor . Cependant, on pense que L. gibba serait plus indiquée dans des applications en phytoremédiation que L. 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 ‑1 de poids sec. En effet, les concentrations des plantes en Cr obtenues dans ce travail atteignent 2140 µg g ‑1 chez L. minor et 1710 µg g ‑1 chez L. 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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 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 teacher head, 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".