Comparison of Lichen and Moss Transplants for Monitoring the Deposition of Airborne Microfibers
Notice bibliographique
Résumé
Interest in using lichens and mosses to monitor airborne microplastics is growing, but few studies have thoroughly compared their effectiveness as biomonitors. Here, we directly compare the ability of lichen and moss transplants collected from a rural area to accumulate microfibers (MFs) and Potentially Toxic Elements (PTEs) under the same deployment conditions. Transplants (n = 60; triplicates for both lichen and moss) were co-deployed on tree branches across a range of urban exposure sites (e.g., commercial and residential areas and urban parks) for 77 days in Siena, Italy. The results showed that both biomonitors accumulated similar amounts of MFs, in terms of counts and on a mass basis, but when expressed on a surface area basis, lichens showed significantly higher values. Irrespective of the metric, lichen and moss MF accumulation data were strongly correlated. In contrast, there was no correlation between MFs and PTEs, suggesting that their sources were different. MFs accumulated by lichen and moss transplants were dominated by polyethylene terephthalate (PET) and polypropylene polymers, suggesting that the main source of airborne MFs is synthetic textiles. Our results suggest that both lichen and moss transplants can be effectively used as low-cost monitors of atmospheric MFs in urban areas in support of the sustainable development goal of clean air.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 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 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 ».