Detection and characterization of macro-, micro- and nanoplastics in the estuary and gulf of the St. Lawrence River, Canada
Bibliographic record
Abstract
Le fleuve Saint- Laurent (Canada), bien qu'il puisse jouer un rôle significatif dans l’accumulation des débris plastiques et leur transfert de la terre vers l’océan, est peu documenté. Cette thèse vise à combler cette lacune en établissant un état des lieux des concentrations de macro-, micro- et nanoplastiques (MNP) dans l'estuaire et le golfe du St-Laurent (EGSL). La caractérisation des macroplastiques se fait couramment par spectroscopie FTIR, mais pour quantifier précisément les flux et évaluer les impacts toxicologiques des MNP, une mesure de masse est essentielle. À cet égard, la pyrolyse couplée à la chromatographie en phase gazeuse et à la spectrométrie de masse en tandem (Py-GC-MS/MS) s’avère une méthode optimale. Ce travail contribue à surmonter des défis analytiques spécifiques liés à l'étude des MNP dans des matrices environnementales complexes, offrant ainsi un cadre pour améliorer la fiabilité et la sensibilité des analyses environnementales. Sur le plan environnemental, cette étude dresse pour la première fois un portrait détaillé de la concentration massique, de la composition et de la distribution des MNP dans l’eau de surface et la moule bleue/ commune (Mytilus spp.) de l’EGSL. Les résultats montrent des concentrations de macroplastiques de 0,17 ± 0,11 items/m², des MNP dans l’eau de 3800 ± 2700 ng/L, et dans les moules bleues de 93 ± 53ng/mg de poids sec. D'un point de vue sociétal, cette thèse fournit des données inédites sur un écosystème essentiel au Canada, contribuant ainsi à sensibiliser le public et à orienter les politiques de gestion environnementale. En rendant compte de la contamination en macro- et MNP, elle offre des données précieuses pour des stratégies de réduction de la pollution à l’échelle locale et globale et pour une gestion durable des ressources naturelles du Saint-Laurent.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".