Input of Anthropogenic Debris Across a Rural to Urban Gradient in the Lake Ontario Watershed
Notice bibliographique
Résumé
Anthropogenic debris (AD) is now ubiquitous across terrestrial, marine, and freshwater environments. While plastic is typically the dominant material in AD, non-plastic materials, including metal, glass, processed wood, and concrete, are a large part of the diverse debris entering and moving through the environment and may have similar environmental impacts. Current estimates of plastic entering the Great Lakes are coarse and none exist for other AD. This gap precludes development of source-based mitigation plans. This study evaluated debris quantity and composition in tributaries and storm sewers entering the Rochester Embayment of Lake Ontario. Using LittaTraps™ installed in storm drains, we evaluated the quantity and composition of debris entering the stormwater system in the City of Rochester and Town of Brighton, New York. The mass and composition of debris in LittaTrap™ samples were highly spatially variable, even among nearby sites. Patterns of input generally followed land use and land development, with high organic debris in residential areas, and high quantities of plastic and cigarette butts at some urban sites. In addition to tobacco-related debris, the most common products were associated with snack wrappers and other miscellaneous plastic debris. Macrodebris (>5 mm) transport in tributaries was very low, but higher during storms. Microdebris particles (< 5 mm) were not identified to polymer type, but showed some relationship with land use: suburban sites were generally higher than rural sites. Fibers were the most dominant microdebris by morphology. Our results illustrate the complexity of AD composition and highlight specific sources, especially in urban areas, where mitigation measures may be effective in reducing input and potential downstream harm.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».