Urban Stormwater Runoff: A Major Pathway for Anthropogenic Particles, Black Rubbery Fragments, and Other Types of Microplastics to Urban Receiving Waters
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
Stormwater runoff has been suggested to be a significant pathway of microplastics to aquatic habitats; yet, few studies have quantified microplastics in stormwater. Here, we quantify and characterize urban stormwater runoff from 12 watersheds surrounding San Francisco Bay for anthropogenic debris, including microplastics. Depth-integrated samples were collected during wet weather events. All stormwater runoff contained anthropogenic microparticles, including microplastics, with concentrations ranging from 1.1 to 24.6 particles/L. These concentrations are much higher than those in wastewater treatment plant effluent, suggesting urban stormwater runoff is a major source of anthropogenic debris, including microplastics, to aquatic habitats. Fibers and black rubbery fragments (potentially tire and road wear particles) were the most frequently occurring morphologies, comprising ∼85% of all particles across all samples. This suggests that mitigation strategies for stormwater should be prioritized. As a case study, we sampled stormwater from the inlet and outlet of a rain garden during three storm events to measure how effectively rain gardens capture microplastics and prevent it from contaminating aquatic ecosystems. We found that the rain garden successfully removed 96% of anthropogenic debris on average and 100% of black rubbery fragments, suggesting rain gardens should be further explored as a mitigation strategy for microplastic pollution.
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) | 0,001 | 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 découle