Pedestrian traffic is the main driver of macro- and large microplastic debris deposition in urban stormwater drains
Notice bibliographique
Résumé
Land-based sources are the greatest contributors of plastic pollution found in aquatic environments. Although plastic debris items spilling into natural watercourses from stormwater outflow sites have been investigated, this study provides details of the plastic items that can be trapped within stormwater drains prior to release. We examined macroplastic (>5 mm) and large microplastic (1–5 mm) debris that accumulated in LittaTrap TM devices at six drains over four seasonal periods in London, Ontario, Canada. Flotation, visual identification, microscopy and Fourier transform infrared spectroscopy (FTIR) were used to determine the drivers of plastic debris deposition. Macroplastics (MaPs) and microplastics (MPs) were identified in all 36 samples, and the totals ranged from 5–158 MaPs and 18–359 MPs per trap. Out of the 118 different MaPs found, the most common items were cigarette butts, wrappers, and expanded polystyrene. The main MPs were fragments, foams, and fibres. The most common macroplastic applications were “smoking”, “food/beverage packaging”, “household”, and non-food or beverage “packaging”. Microplastic particle compositions were mainly polyethylene and polypropylene, but other polymer types fall within the applications of construction (paints and resins), automotive/transportation, and electronics. The summer samples contained the greatest averages of plastic debris, and the drains located in busy pedestrian areas were associated with the highest debris counts. The results support pedestrian traffic as the main driver of plastic debris accumulation in urban London stormwater drains, which is controlled by seasonal weather conditions.
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 | 0,001 |
| 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 ».