Microplastics in Sharjah's Groundwater: Enumeration, Characterization and Spatial Distribution
Notice bibliographique
Résumé
The global production of plastics is projected to continue rising with increasing consumption.Plastics break down in the environment, leading to the formation of microplastics.Despite the growing concern over microplastic pollution, there have been limited studies assessing its contamination in groundwater.This may be attributed to the lack of monitoring efforts specifically focused on microplastics in groundwater.In the UAE, groundwater accounts for more than half of the water supply.Therefore, the main objective of this study was to investigate the presence of microplastics in groundwater in the UAE.The study identified 30 groundwater boreholes in the Rahmaniya, Bedee, and Falah regions of Sharjah, UAE, from which samples were collected.To prepare the samples, a series of pretreatment procedures involving 30% hydrogen peroxide, density separation, and extraction filters were employed.Microplastics were subsequently detected using a microscope with 40x magnification, revealing the presence of microplastics in the water of 11 boreholes in Rahmaniya, ranging from 12 to 235 n/L, respectively.In the Falah area, contamination was observed in two boreholes, with 56 and 41 n/L, respectively, while no contamination was found in the Bedee area.Characterization of microplastics was conducted using ATR-FTIR analysis, which has successfully matched the obtained spectra with polyethylene terephthalate, polyethylene, and polypropylene for 10 samples.GIS analysis, using IDW interpolation, highlighted significant microplastics contamination in Rahmaniya.The study also identified potential sources of contamination, including industrial areas, the Sajaa landfill, Bedee Farmland, and the water dump lagoon.
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) | 0,000 | 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 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 ».