Pandemic Legacy: Medical Facemasks as a Potential Source of Marine Microplastic?
Notice bibliographique
Résumé
Abstract Understanding the main sources of microplastic pollution is key towards developing efficient measures to reduce microplastic loadings to marine waters. Yet identifying the main sources of marine microplastic is challenging. Source tracking should be easier in marine bays where inputs are limited. In 2021 we determined the concentrations and characteristics of microplastics > 300 μm in surface waters of Placentia Bay, Newfoundland; a bay with negligible river input in an area of low population density, and no plastic processing plants in the vicinity. Microplastics contributed 2-14% to particulate organic carbon (> 300 μm), and concentrations ranged from 0.11 to 0.67 particles m -3 , a relatively high level given the region’s low population density. Microplastic diversity was low; fiber and fragment concentrations dwarfed those of other shapes, and polypropylene (PP) dominated, with transparent PP fibers specifically contributing near 50% to the total microplastic inventory. The overwhelming dominance of transparent PP fibers, as well as the exceptionally high proportion of long fibers, suggest that a distinctive input of large, transparent PP fibers overlaid “background” inputs from other sources. A ballpark estimate indicates that weathering of medical facemasks used during the COVID-19 pandemic are a likely explanation for the dominance of transparent PP fibers in Placentia Bay in 2021. Similar inputs may have affected many other aquatic environments globally, but might not have been observable in systems where other continuous input pathways are high.
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 | 0,001 | 0,001 |
| 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) | 0,004 | 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 ».