Influence of anthropogenic activities on the trace organic contamination of lakes
Notice bibliographique
Résumé
Anthropogenic activities and urbanization can lead to the discharge of organic compounds into surface waters. It is important to investigate these relationships further to mitigate contamination better and prioritize protection efforts. This study aimed to verify the effect of specific anthropogenic factors on lake water contamination caused by trace organic contaminants (TrOCs) such as pharmaceuticals, pesticides and consumer product additives. Data on the detection and concentration levels of 54 TrOCs, major anthropogenic land use, and human activities from a large-scale study on Canadian lakes were used to reach this goal. The association of population and livestock densities, the presence of wastewater treatment plants (WWTPs) and hospitals as well as the agricultural and urban land use in the lakes' watersheds on lake water contamination was investigated by applying negative binomial and ordinal logistic regression models. These models were also controlled for lake/watershed area ratio, lake depth, water, residence time, watershed slope, precipitation, and sampling date. The statistical analysis confirmed that agricultural land use, urban land use, and WWTPs plants in lake watersheds are significantly associated with the number of TrOCs detected (incidence rate ratio > 1, p < 0.001) and the summed concentration of targeted TrOCs (odds ratio > 1, p < 0.001). Agricultural land use (odds ratio = 1.58, p < 0.001) and urban land use (odds ratio = 1.19, p < 0.02) were also significantly associated with the summed concentration of the targeted pesticides. This latter outcome thus suggests that urban centers are also important contributors to the concentration levels of pesticides in lakes. Overall, these results demonstrate that even in complex ecosystems such as lakes, it is possible to use a limited number of factors to explain anthropogenic contamination. This can help policymakers make informed decisions on contamination mitigation and provide insights into watershed management.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 ».