Effectiveness of ballast water management systems in the Great Lakes based on a paired uptake-discharge sample design
Notice bibliographique
Résumé
Abstract Ships’ ballast water is a major vector for aquatic non-native species, particularly in the Great Lakes and St. Lawrence River (GLSLR) region. Effective September 8, 2024, international ships must comply with an international convention limiting live organisms in discharged ballast water, typically by installing onboard ballast water management systems (BWMS). This study assessed BWMS effectiveness in the GLSLR using a paired uptake-discharge sample design (before and after treatment), to evaluate live organism abundance in the two regulated size classes, and plankton diversity, using microscopy and high-throughput sequencing. Samples from 10 ships (11 paired events) collected in 2019 and 2022 revealed uptake abundances of living organisms up to 107,600 organisms/m 3 for the large (≥ 50 μm) and 169 organisms/mL for the small (≥ 10 to < 50 µm) size classes, respectively. While all discharge samples met the small size class limit, four samples exceeded the large size class limit, with BWMS reducing abundances by at least 98%. High uptake abundance and BWMS filter mesh size were key predictors of organism abundance in discharge samples, highlighting potential challenges in meeting the discharge standard in eutrophic waters. BWMS also reduced plankton diversity in discharge samples compared to uptake samples, with molecular methods showing greater sensitivity than microscopy but potentially detecting DNA from both live and dead organisms. The findings underline the need for further research to address BWMS performance in different water qualities and to improve technology. Complementary use of microscopy and molecular methods offers a comprehensive approach to evaluating plankton diversity and BWMS effectiveness.
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 | 0,001 | 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 | 0,000 |
| 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 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 ».