Impact of Microplastic on Freshwater Sediment Biogeochemistry and Microbial Communities Is Polymer Specific
Notice bibliographique
Résumé
Plastic debris is a growing threat in freshwater ecosystems and transport models predict that many plastics will sink to the benthos. Among the most common plastics found in the Laurentian Great Lakes sediments are polyethylene terephthalate (especially fibers; PET), polyvinylchloride (particles; PVC), and styrene-butadiene rubber resulting from tire wear (“crumb rubber”; SBR). These materials vary substantially in physical and chemical properties, and their impacts on benthic biogeochemistry and microbial community structure and function are largely unknown. We used a microcosm approach to evaluate the impact of these three plastics on benthic-pelagic coupling, sediment properties, and sediment microbial community structure and function using sediments from Irondequoit Bay, a major embayment of Lake Ontario in Rochester, New York, USA. Benthic metabolism and nitrogen and phosphorous cycling were all uniquely impacted by the different polymers. PET fibers and PVC particles demonstrated the most unique effects, with decreased ecosystem metabolism in sediments containing PET and greater nutrient uptake in sediments with PVC. Microbial diversity was reduced in all treatments containing plastic, but SBR had the most substantial impact on microbial community function, increasing the relative importance of metabolic pathways such as hydrocarbon degradation and sulfur metabolism. Our results suggest that individual polymers have unique impacts on the benthos, with divergent implications for ecosystem function. This provides deeper insight into the myriad ways plastic pollution may impact aquatic ecosystems and will help to inform risk assessment and policy interventions by highlighting which materials pose the greatest risk.
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) | 0,013 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».