A numerical framework for modeling fate and transport of microplastics in inland and coastal waters
Notice bibliographique
Résumé
Proliferation of microplastics in rivers, lakes, estuaries, coastal waters and oceans is a major global challenge and threat to the environment, livelihoods and human health. Reliable predictive tools can play an essential role in developing an improved understanding of microplastics behaviour, exposure and risk in water bodies, and facilitate identification of sources and accumulation hot spots, thereby enabling informed decision-making for targeted prevention and clean-up activities. This study presents a new numerical framework (CaMPSim-3D) for predicting microplastics fate and transport in different aquatic settings, which consists of a Lagrangian, three-dimensional (3D) particle-tracking model (PTM) coupled with an Eulerian-based hydrodynamic modeling system (TELEMAC). The 3D PTM has several innovative features that enable accurate simulation and efficient coupling with TELEMAC, which utilizes an unstructured computational mesh. The PTM is capable of considering spatio-temporally varying diffusivity, and uses an innovative algorithm to locate particles within the Eulerian mesh. Model accuracy associated with different advection schemes was verified by comparing numerical predictions to known analytical solutions for several test cases. The implications of choosing different advection schemes for modeling microplastics transport was then investigated by applying the PTM to simulate particle transport in the lower Saint John River Estuary in eastern Canada. The sensitivity of the PTM predictions to the advection scheme was investigated using six numerical schemes with different levels of complexity. Predicted particle distributions and residence times based on the fourth-order Runge-Kutta (RK4) scheme differed significantly (residence times by up to 100 %) from those computed using the traditional first-order (Euler) method. The Third Order Total Variation Diminishing (TVD3) Runge-Kutta method was found to be optimal, providing the closest results to RK4 with approximately 27 % lower computational cost.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».