Modeling Stormwater Driven Plastic Debris in the Lake Ontario Watershed
Notice bibliographique
Résumé
Stormwater-driven plastic debris has emerged as a significant contributor to environmental pollution, particularly in urbanized watersheds like the Lake Ontario basin. This study focuses on developing a comprehensive framework to quantify and predict anthropogenic debris (AD) inputs and transport pathways across Monroe County, NY, using stormwater systems as a key vector. Over two years, empirical data on plastic debris were collected from storm drains retrofitted with LittaTrap™ devices across urban and suburban areas. Debris was weighed, categorized by material and use, and paired with spatial and temporal variables such as land use, rainfall, temperature, and wind events. A Support Vector Regression (SVR) model was developed to estimate daily plastic input from 30,000 storm drains, predicting a total of over 13.8 metric tonnes of debris in 2023, with approximately 6 tonnes directly entering the environment through municipal separate storm sewer systems (MS4s). Urban commercial areas were identified as major hotspots, with seasonal trends revealing higher debris loads during warmer months, influenced primarily by temperature and precipitation. Building on these findings, a watershed transport model was designed to simulate debris movement through streams, riparian zones, and stormwater ponds, integrating parameters like stream order, vegetation cover, and rainfall intensity using a modified Revised Universal Soil Loss Equation (RUSLE). The model highlights the role of precipitation in mobilizing debris from terrestrial inputs into aquatic systems, underscoring the vulnerability of higher-order streams and riparian zones during storm events. This work provides actionable insights for policymakers and watershed managers, offering a predictive tool to identify pollution hotspots, optimize cleanup interventions, and mitigate plastic debris transport. By emphasizing stormwater as a critical pathway, the framework can be adapted to other municipalities, contributing to scalable, data-driven solutions for plastic pollution in freshwater systems.
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 | 0,001 |
| 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 ».