A comprehensive investigation of industrial plastic pellets on beaches across the Laurentian Great Lakes and the factors governing their distribution
Notice bibliographique
Résumé
Industrial, pre-consumer pellets are a major type of plastics pollution found on shorelines worldwide. This study investigates the distribution and characteristics of plastic pellets accumulated on beaches of the Laurentian Great Lakes of North America and provides a “snapshot” of pellet distribution in a lake system that accounts for 21% of the world's freshwater reserves. We sampled pellets simultaneously from 10m2 quadrats on 66 beaches and characterized the 12,595 pellets collected (average of 19.1 pellets/m2). Forty-two beaches contained pellets and 86% of the pellets were found on three beaches: Rossport (Lake Superior), Baxter (Lake Huron), and Bronte (Lake Ontario). The number of pellets on each beach was compared with factors hypothesized to control their accumulation. In general, positive correlations were found between pellet abundance and watershed population, number of plastic-related industries, and proximity to a river mouth, although for Lake Superior, abundance was related to a train spill that took place over 10 years ago. Beach grain size appears to be related to pellet abundance, with very fine sand, fine sand and medium sand containing the greatest number of pellets. All pellets were visually characterized based on size, color, shape, weathering, and distinguishing traits. The predominant color was white, oblate shapes were most common, and the main distinguishing trait was a dimple. Most pellets showed little evidence of weathering, with the weathered samples mainly from Lakes Erie and Ontario. Lake Ontario pellets were the most varied, with 6/7 shapes, 35/40 colors, and 21/25 distinguishing traits, indicating a wider range of pellet sources compared to the other lakes. Polymer compositions were mainly polyethylene (PE) and polypropylene (PP). Our results will lead to increased recognition of regional pellet pollution in the Great Lakes watershed, thereby motivating change during their production, transport and use.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».