Lechuguín (Eichhornia Crassipes (Mart.) Solms) y lenteja de agua (Lemna Spp.) en la reducción de la dureza del agua de riego
Bibliographic record
Abstract
La contaminación del agua de riego representa uno de los problemas más importantes para la producción agrícola, ya que afecta significativamente a la economía por la pérdida de cultivos, debido a esto la búsqueda de métodos de remediación son muy importantes. El uso de plantas acuáticas representa una técnica alterna como fitorremediación a los métodos físicos utilizados frecuentemente. El presente estudio muestra la reducción alcanzada de la dureza del agua de riego de la empresa Flores del Cotopaxi S.A., para lo cual se utilizó plantas acuáticas como lechuguín y lenteja de agua. Para determinar las características de la muestra de agua de riego proveniente de la cuenca de Río Blanco se analizó antes y después de ser sometidas a tratamiento los siguientes parámetros: pH, conductividad eléctrica, dureza total, nitratos, y sulfatos, de la misma manera se realizó un conteo de ufc/gramo de raíz de cada planta acuática. La investigación permitió concluir que el lechuguín es la planta acuática más idónea en la absorción de minerales, logrando una reducción de 218 a 154 mg CaCO3/l como parámetro de dureza, control de pH en condiciones neutras en un rango de 7.27-6.57, y disminución de la conductividad, nitritos y sulfatos, dado que sus raíces son más fuertes, y según las pruebas microbiológicas realizadas el contenido de microorganismos es mayor.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 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 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".