Spatial distribution and risk assessment of microplastics in surface waters of the St. Lawrence Estuary
Notice bibliographique
Résumé
Development of effective prevention and mitigation strategies for marine plastic pollution requires a better understanding of the pathways and transport mechanisms of plastic waste. Yet the role of estuaries as a key interface between riverine inputs of plastic pollution and delivery to receiving marine environments remains poorly understood. This study quantified the concentration and distribution of microplastics (MPs) (50–3200 μm) in surface waters of the St. Lawrence Estuary (SLE) in eastern Canada. Microplastics were identified and enumerated based on particle morphology, colour, and size class. Fourier Transform Infrared (FTIR) spectroscopy was used on a subset of particles to identify polymers. Generalized linear models (Gamma distribution with log-link) examined the relationship between MP concentrations and oceanographic variables and anthropogenic sources. Finally, a risk assessment model, using MP concentrations and chemical hazards based on polymer types, estimated the MP pollution risk to ecosystem health. Mean surface MP concentration in the SLE was 120 ± 42 SD particles m−3; MP concentrations were highest in the fluvial section and lowest in the Northwest Gulf of St. Lawrence. However, MP concentrations exhibited high heterogeneity along the length and width of the SLE. Microplastics were elevated at stations located closer to wastewater treatment plant outflows and downstream sites with more agricultural land. Black, blue, and transparent fibers and fragments ≤250 μm were most commonly encountered. Predominant polymer types included polyethylene terephthalate, regenerated cellulose, polyethylene, and alkyds. While the overall risk to ecosystem health in the entire estuary was considered low, several stations, particularly near urban centres were at high or very high risk. This study provides new insights into the quantification and distribution of MPs and first estimates of the risk of MP pollution to ecosystem health in one of the world's largest estuaries.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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 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 ».