Pesticide presence in stream water, suspended sediment and biofilm is strongly linked to upstream catchment land use and crop type
Notice bibliographique
Résumé
Pesticide pollution can present high ecological risks to aquatic ecosystems. Small streams are particularly susceptible. There is a need for reproducible and readily available methods to identify aquatic regions at risk of pesticide contamination. There is currently a limited understanding of the relationship between upstream catchment land use and the presence of pesticides in multiple aquatic matrices. The aim of this study was to develop empirical relationships between different land uses and the levels of pesticides detected in multiple aquatic matrices. The inclusion of biofilm and suspended sediment as monitoring matrices has recently been proven effective for the characterization of pesticide exposure in stream ecosystems. Ten streams in Ontario, Canada with a variety of upstream catchment land uses were sampled in 2021 and 2022. Water, suspended sediment and biofilm were collected and analyzed from each site for the presence of approximately 500 different pesticides. Each of the three matrices exhibited distinctive pesticide exposure profiles. We found a significant relationship between the percentage of agriculture and urban land use and the detection of multiple pesticides in water, sediment and biofilm (logistic regressions, P<0.05). Statistically significant probabilistic models capable of predicting pesticide detections based on upstream catchment land use were developed. High-resolution cover crop maps identified soybeans, corn and other agriculture (e.g., vegetables, berries, canola) as the key variables associated with individual pesticide detection frequencies in each of the three matrices (linear regressions, P<0.05). Soybean land use was also the strongest predictor of site-wide pesticide pollution. This modelling approach using upstream catchment land use variables has the potential to be a powerful tool to identify streams at risk of pesticide pollution.
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) | 0,001 | 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 ».