Determinants of COVID-19 Face Mask Litter in Coastal Urban Parking Lots: Implications for Source Modelling of Potential Microplastic Pollution
Notice bibliographique
Résumé
Despite cities being recognized as being potential sources of microplastic pollution to the wider environment, most surveys of COVID-19 plastic-based litter have been undertaken through linear transects of marine beaches. For the far fewer number of studies conducted on inland and urban locations, the site-specific focus has primarily been surveys along the length of streets. The present study is the first to specifically assess the standing stock (i.e., moment-in-time) of littered face masks for the entire surface area of urban parking lots. The density of face masks in 50 parking lots in a Canadian coastal town (0.00054 m2 ± 0.00051 m2) was found to be significantly greater than the background level of littering of town streets. Face mask density was significantly related to visitation “usage” of parking lots as gauged by the areal size of the lots and of their onsite buildings, as well as the number of vehicles present. Neither parking lot typology nor estimates of inferred export (various measures of wind exposure) and entrapment (various metrics of obstruction) of face masks had a significant influence on the extent of whole-lot littering. In consequence, modelling of the potential input of mask-derived microplastics to the marine environment from coastal communities can use the areal density of face masks found here in association with the total surface area of lots for individual municipalities as determined through GIS analysis.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».