Robinia pseudoacacia L. (Black Locust) Leaflets as Biomonitors of Airborne Microplastics
Notice bibliographique
Résumé
Here we investigate the suitability of Robinia pseudoacacia L. (black locust) leaflets as a novel biomonitor of airborne microplastics (MPs) including tyre wear particles (TWPs). Leaflets were collected from rural roadside locations (ROs, n = 5) and urban parks (UPs, n = 5) in Siena, Italy. MPs were removed by washing, identified by stereomicroscope, and analysed for polymer type by Fourier transform infrared spectroscopy. Daily MP deposition was estimated from leaf area. The mass magnetic susceptibility and the bioaccumulation of traffic-related potentially toxic elements (PTEs) were also analysed. The total number of MPs at ROs was significantly higher at 2962, dominated by TWPs, compared with 193 in UPs, where TWPs were not found. In contrast, total microfibres were significantly higher in UPs compared with ROs (185 vs. 86). Daily MP deposition was estimated to range from 4.2 to 5.1 MPs/m2/d across UPs and 29.9–457.6 MPs/m2/d across ROs. The polymer types at ROs were dominated by rubber (80%) from TWPs, followed by 15% polyamide (PA) and 5% polysulfone (PES), while in UPs the proportion of PES (44%) was higher than PA (22%) and polyacrylonitrile (11%). The mean mass magnetic susceptibility, a proxy of the bioaccumulation of traffic-related metallic particles, was higher at ROs (0.62 ± 0.01 10–8 m3/kg) than at UPs (–0.50 ± 0.03 10–8 m3/kg). The content of PTEs was similar across sites, except for significantly higher concentrations of Sb, a tracer of vehicle brake wear, at ROs (0.308 ± 0.008 µg/g) compared with UPs (0.054 ± 0.006 µg/g). Our results suggest that the waxy leaflets and easy determination of surface area make Robinia an effective biomonitor for airborne MPs including TWPs.
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 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 | 0,009 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».