Is road pavement wear a source of microplastics in stormwater runoff?
Notice bibliographique
Résumé
Urban stormwater runoff is a major route by which microplastics are spread in the environment. This environmental compartment includes various sources of microplastics such as atmospheric deposition, plastic litter, paints, building materials, and textiles. Another source of microplastics in stormwater is tire wear, which is often included together with road wear despite the latter's unknown contribution of microplastics. Pavements like concrete and asphalt have plastic polymers incorporated in them in order to improve their physical performance. Waste plastics like crumb rubber and microfibers have been used in asphalt and concrete pavement mixes instead of virgin plastics as a sustainability practice. However, pavement becomes abraded and worn over time from weathering and traffic exposure which generates tire and road particles. In this study, three parking lots and one road within the same conservation facility in Ontario, Canada that were made of asphalt, concrete, and recycled rubber were sampled for stormwater and for pavement specimens. Pavement specimens underwent specialized testing with a Hamburg Wheel track test to simulate tire abrasion. The chemical signature of pavement abrasion effluent was also evaluated. It was found that asphalt generated the most microparticles in stormwater with a median above 600 microparticles/L compared to concrete which had 216 microparticles/L and rubber with 115 microparticles/L. Pavement testing which isolated the effect of pavement degradation from other environmental factors, however found that rubber pavement released the most microparticles. Many types of plastics were identified with ATR-Fourier Transform Infrared spectroscopy from each pavement type including in particular polyester and rubber-associated plastics. The chemical signature of pavement abrasion effluent varied between pavement types. Our work demonstrates the need to consider microplastics generation during the selection of pavement additives and the choice of pavement types for different traffic loads. Also see: https://micro2024.sciencesconf.org/558531/document
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».