Screening for microplastics in agricultural soils: Applying green chemistry principles in extraction and analysis
Notice bibliographique
Résumé
In recent years, microplastic (MP) pollution has garnered significant attention owing to its ability to permeate various ecosystems, including soil. These particles can infiltrate the environment, either directly or through the degradation of larger plastic items. Despite growing concerns, standardized methods for quantification are still lacking. This study aimed to screen for the presence of MPs in agricultural soils while incorporating green analytical principles in the methodology. A density separation followed by centrifugation was employed, based on the principles of the QuEChERS extraction method. This approach minimized sample quantities, reagent consumption, and waste production, ensuring efficient extraction and analysis. Recovery tests using certified soils spiked with pristine MPs, specifically polystyrene, polypropylene (PP), and ethylene-vinyl acetate for larger MPs (3-5 mm), and low-density polyethylene, polyamide 6, and tire wear particles for smaller MPs (15-300 μm), achieved recovery levels exceeding 69% for smaller MPs and over 91% for larger particles. Spectroscopic analysis revealed slight alterations in the Raman spectra of MPs after extraction. Transitioning to agricultural soil analysis has revealed challenges, including spectral interferences. Nine mesoplastics (5-20 mm) were detected, predominantly consisting of PP and polyethylene (PE), along with seven MPs, three of which were individually identified as PE-based, while the remainder were inconclusive, including one fiber. The evaluation of the method's sustainability using the Analytical Eco-Scale and Analytical Greenness Calculator Metric (AGREE), with scores of 82 out of 100 and 0.66 out of 1, respectively, demonstrated its potential as a reliable approach to MP analysis in soils. This study highlights the potential of integrating green analytical chemistry principles into MP extraction methodologies and emphasizes the value of the proposed QuEChERs-based approach for improving the sustainability and efficiency of MP monitoring in agricultural soils.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».