Domestic laundry and microfiber pollution: Exploring fiber shedding from consumer apparel textiles
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
Synthetic fibers are increasingly seen to dominate microplastic pollution profiles in aquatic environments, with evidence pointing to textiles as a potentially important source. However, the loss of microfibers from textiles during laundry is poorly understood. We evaluated microfiber release from a variety of synthetic and natural consumer apparel textile samples (n = 37), with different material types, constructions, and treatments during five consecutive domestic laundry cycles. Microfiber loss ranged from 9.6 mg to 1,240 mg kg-1 of textile per wash, or an estimated 8,809 to > 6,877,000 microfibers. Mechanically-treated polyester samples, dominated by fleeces and jerseys, released six times more microfibers (161 ± 173 mg kg-1 per wash) than did nylon samples with woven construction and filamentous yarns (27 ± 14 mg kg-1 per wash). Fiber shedding was positively correlated with fabric thickness for nylon and polyester. Interestingly, cotton and wool textiles also shed large amounts of microfibers (165 ± 44 mg kg-1 per wash). The similarity between the average width of textile fibers here (12.4 ± 4.5 μm) and those found in ocean samples provides support for the notion that home laundry is an important source of microfiber pollution. Evaluation of two marketed laundry lint traps provided insight into intervention options for the home, with retention of up to 90% for polyester fibers and 46% for nylon fibers. Our observation of a > 850-fold difference in the number of microfibers lost between low and high shedding textiles illustrates the strong potential for intervention, including more sustainable clothing design.
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) | 0,007 | 0,001 |
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