An Urban Stormwater Contaminant Signature: Defining Priority Contaminants for Urban Stormwater Research
Notice bibliographique
Résumé
Stormwater ponds (SWPs) are a common feature of urban landscapes, designed to manage runoff and reduce flooding. Increasingly, they are also recognized as seminatural habitats supporting aquatic biodiversity. However, SWPs receive complex mixtures of contaminants from surrounding urban areas, and the extent of contamination within the ponds themselves remains underexplored. Most studies have focused on outflows or a narrow set of targeted analytes, limiting our understanding of the exposure risks for organisms residing within these systems. To address this gap, we assessed contaminant profiles in 21 SWPs across a highly urbanized city in Ontario, Canada, using three complementary sampling approaches: time-integrated water samples, biofilm on artificial substrates, and organic diffusive gradients in thin films (o-DGTs). Across all sites, we detected 200 organic compounds, including pesticides, pharmaceuticals, industrial chemicals, and compounds, linked to vehicles and infrastructure. Additionally, we documented widespread chloride and fecal contamination and elevated levels of traffic-related metals in biofilms. From these data, we identified a set of frequently detected and environmentally relevant contaminants, which we term the urban stormwater contaminant signature (USCS). This proposed list may support the development of targeted monitoring strategies and help focus future research on mixture toxicity and risk to aquatic biota. Given the apparent ecological role of SWPs and the range of stressors they contain, assessing cumulative exposures is critical for understanding the potential impacts of urban runoff on resident organisms.
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 | 0,009 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,004 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».