Bevis for, at Great Pacific Garbage Patch hurtigt ophober plastik | Scientific Reports

Sampling

Fra den 27. juli til den 19. september 2015 blev der i alt foretaget 652 overfladenettrækninger mellem 25°N-41°N og 129-156°V af 18 deltagende fartøjer mellem 25°N-41°N og 129-156°W. I oktober 2016 genbesøgte vi vores undersøgelsesområde ved at gennemføre to flyvninger med et Hercules C-130-fly, der indsamlede luftbilleder (n = 7 298 single-frame mosaikker) for bedre at kvantificere de større og sjældnere >50 cm store plastikobjekter (fig. 1).

Fartøjerne foretog nettræk af 0,35-4 timers varighed, mens de sejlede med en hastighed på 0,7-6,8 knob. Alle trawl var udformet således, at de bevægede sig væk fra fartøjet for at undgå kølvandseffekter på anordningernes fangsteffektivitet. Alle fartøjsbesætninger blev uddannet ved hjælp af onlinemateriale og individuelle workshops, der blev afholdt før afgang. Mens trawlet blev trukket, vurderede den mest erfarne sømand om bord på fartøjet havets tilstand (Beaufort-skalaen) ved at måle vindhastighederne og observere bølgehøjderne. Disse data blev registreret i de udleverede standarddatasedler sammen med dato, varighed samt start- og slutkoordinater for hvert slæb. Placeringen og længden af alle nettrækkene blev bekræftet i efterbehandlingsfasen ved at kontrollere positionsdataene fra GPS-trackere, der var installeret på alle deltagende fartøjer. De fleste prøvetagningsstationer omfattede et enkelt nettog (n = 350 prøvetagningsstationer) med et Manta-trawl (0,5 mm kvadratisk maske, 90 cm × 15 cm munding), som er et af standardredskaberne til kvantificering af plastforureningsniveauet. Med det største deltagende fartøj (RV Ocean Starr) slæbte vi samtidig to Manta-trawl sammen med to store Neuston-trawl (1,5 cm kvadratmaske, 6 m × 1,5 m munding, heraf 0,5 m over vandlinjen; herefter kaldet “Mega-trawl”) på hvert prøveudtagningssted (n = 76 stationer). Efter hvert træk med Manta-net blev nettet skyllet udvendigt med havvand, og den engangsbom, der blev fjernet, blev lukket med hæfteklammer og anbragt i en individuel zip-lock-pose. Efter hvert Mega-trawltræk blev nettet også skyllet udefra med havvand, og den store fangstpose blev åbnet og lagt i en kasse fyldt med havvand. Alt flydende plast blev derefter fjernet, pakket ind i aluminium og anbragt i mærkede plastposer. Hele indholdet af det indhold, der blev fanget af Manta-trawlerne, blev opbevaret, mens de organismer, der blev fanget af Mega-trawlerne (for det meste levende), blev genudsat i havet. Alle prøver blev opbevaret i et køleskab eller en fryser, mens de var på havet, og i en FedEx-køleboks (2-8 °C) eller i en reeferboks (-2 °C), mens de blev sendt til laboratoriet. Selv om vi var forsigtige ved håndteringen af prøverne, kan nogle affaldsgenstande være gået i stykker under transporten, hvilket har ført til en vis skævhed i vores størrelsesfordeling af affaldet. Detaljerede oplysninger om disse nettræk (dvs. koordinater, metoceaniske forhold, prøvetagningstidspunkter og -varigheder) findes i Figshare33.

Luftundersøgelserne udtog prøver fra et langt større område (311,0 km2 ) end de ovenfor beskrevne trawlundersøgelser (3,9 km2 og 13,6 km2 for henholdsvis Manta- og Mega-nettræk), hvilket giver en mere pålidelig kvantificering af affald, der er større end 50 cm, hvilket er relativt sjældent. Begge flyvninger startede og sluttede på Moffett Airfield nær Mountain View, Californien. Den første flyundersøgelse blev gennemført den 2. oktober 2016 med prøvetagning fra 18:56 til 21:14 UTC-tid på en konstant breddegrad på 33,5°N og længdegrader varierende fra 141,4°W til 134,9°W. Den anden undersøgelse startede den 6. oktober 2016 med prøveudtagning fra 22:14 til 0:37 UTC-tid, fra 30,1°N, 143,7°W til 32,9°N, 138,1°W. Mens flyet var i undersøgelsestilstand, fløj det i en højde på ca. 400 m og med en jordfart på 140 knob. Prøvetagningstransekterne var målrettet mod de områder, hvor havforholdene var de laveste, baseret på vejrudsigten, herunder atmosfærisk tryk på havoverfladen, skydække, vindhastighed i 10 m højde over havets overflade og højde af det grænseoverskridende overfladelag fra NOAA’s Global Forecasting System samt data om signifikant bølgehøjde og peakperiode fra NOAA’s WaveWatch3-modeloutputs. Selv om vi undersøgte flydende vragrester ved hjælp af uddannede observatører og tre typer sensorer (Lidar, SWIR-billeddanner og RGB-kamera), analyserer vi her kun oplysninger fra de georefererede mosaikker, der er produceret af et RGB-kamera (CS-4800i), som generelt tog billeder hvert sekund i undersøgelsestiden (rammestørrelse = ~360 m på tværs af banen, ~240 m langs banen, ~0.1 m opløsning).

Bearbejdning af trawlprøver

Trawlprøverne blev vasket separat i et sigtetårn (fem Glenammer Engineering Ltd-sigter med 0,05 cm, 0,15 cm, 0,5 cm, 1,5 cm og 5 cm kvadratiske åbninger), der opdelte materialet i følgende størrelsesklasser: 0,05-0,15 cm, 0,15-0,5 cm, 0,5-1,5 cm, 1,5-5 cm og >5 cm. Affaldsgenstande >5 cm blev derefter manuelt sorteret i klasserne 5-10 cm, 10-50 cm og >50 cm ved at måle genstandslængden (genstandens bredeste dimension) med en lineal. Flydende affald blev adskilt fra biomasse ved at placere materialet i hver sigte i filtreret saltvand (saltholdighed 3,5 %, temperatur 19-23 °C). Laboratoriepersonalet omrørte materialet mange gange for at sikre, at flydepartikler blev løsrevet fra biomassematerialet. Flydende objekter, der blev identificeret som flydende affald, blev manuelt trukket op fra vandoverfladen ved hjælp af en tang, adskilt efter type og talt. Flydende affald blev klassificeret efter materialetype (plast, glas, paraffin, tjære, gummi, træ, pimpsten, frø eller ukendt), idet plast yderligere blev inddelt i følgende kategorier: (1) “H”-type – fragmenter og genstande af hård plast, plastplader eller -film; (2) “N”-type – plastikliner, reb og fiskenet; (3) “P”-type – præproducerede plastpiller i form af en cylinder, skive eller kugle; og (4) “F”-type – fragmenter eller genstande af opskummet materiale (f.eks. ekspanderet polystyren). Når stykkerne var talt og kategoriseret, blev de vasket med destilleret vand, overført til aluminiumsfade, tørret natten over ved 60 °C og vejet med en OHAUS Explorer EX324M (0,0001 g læsbarhed) for objekter <5 cm og en OHAUS Explorer EX12001M (0,1 g læsbarhed) for objekter >5 cm.

For bedst muligt at karakterisere den havplast, der akkumuleres i GPGP, udførte vi yderligere analyser med det indsamlede materiale. For det første blev 10 stykker inden for hver plaststørrelses-/tykkategori (n = 220 stykker) udvalgt til analyse af polymersammensætningen ved Fourier-transform-infrarødspektroskopi (FT-IR). Målingerne blev foretaget ved hjælp af et Perkin Elmer Spectrum 100 FT-IR, der var udstyret med et universelt ATR-tilbehør (område = 600-4000 cm-1). Den respektive polymertype blev bestemt ved at sammenligne prøvernes FT-IR-spektrer med kendte spektrer fra en database (Perkin-Elmer ATR of Polymers Library). For det andet screenede vi alle indsamlede plastaffald for produktionsdatoer samt eventuelle skriftlige angivelser, der giver oplysninger om deres oprindelse (dvs. sprog og “made in”-angivelser). Endelig klassificerede vi plastgenstande af “H”- og “L”-typer, der blev indsamlet på 30 RV Ocean Starr-stationer, i objekttyper (f.eks. flaskelåg, poser, flasker osv.). Da “H”-objekter større end 50 cm var relativt sjældne, analyserede vi 10 ekstra RV Ocean Starr-stationer for denne type/størrelseskategori. Hvis genstandstypen for et fragment ikke kunne bestemmes, klassificerede vi stykket som enten hårdt plastfragment eller filmfragment afhængigt af dets vægtykkelse og fleksibilitet34 . Vi brugte Manta-trawlprøver til at karakterisere objekter inden for størrelsesklasserne 0,15-0,5 cm, 0,5-1,5 cm og 1,5-5 cm, og Mega-trawlprøver til at karakterisere objekter inden for størrelsesklasserne 5-10 cm, 10-50 cm og >50 cm. Plastik inden for vores mindste størrelsesklasse (0,05-0,15 cm) blev ikke taget i betragtning i denne analyse af “objekttype” på grund af vanskelighederne ved at håndtere og identificere små fragmenter.

De numeriske/massekoncentrationer af flydende plastikgenstande (antal/kg plastik pr. km2 havoverflade), der blev målt ved hvert slæb med net, blev beregnet for alle kategorier af plastikstørrelser/typer separat. For at gøre dette dividerede vi tallet og vægten af plastikgenstande inden for hver kategori med det trukne areal af prøven. Vi beregnede det trukne areal ved at multiplicere bredden af netmundingen (90 cm for Manta-trawl og 6 m for Mega-trawl) med slæbelængden (bestemt ud fra GPS-positionsdata). Det gennemsnitlige areal, der blev dækket af Manta-nettene, var 0,008 km2 (SD = 0,004, min-max: 0,001-0,018 km2), mens det gennemsnitlige areal, der blev dækket af Mega-nettene, var 0,090 km2 (SD = 0,013, min-max: 0,046-0,125 km2). Da flydende plast kan overses af overfladetrawl på grund af vinddrevet opblanding, estimerede vi derefter de “dybdeintegrerede” masse- og numeriske plastkoncentrationer (Ci) for alle type/størrelseskategorier på hvert af trawlprøvetagningsstederne ved hjælp af de ligninger, der er beskrevet i ref.35. Supplerende metoder 1 indeholder nærmere oplysninger om, hvordan Ci blev beregnet som en funktion af havplastterminalens opstigningshastighed (Wb), den dybde, som trawlet udtog prøver fra, og havets tilstand. Her beskrives også, hvordan vi målte Wb for hver af de forskellige typer/størrelseskategorier i denne undersøgelse. Efter at have sammenlignet de resultater af plastkoncentrationen, der blev opnået ved parvise træk med Manta- og Mega-net (n = 76 steder), besluttede vi at bruge Manta- og Mega-trawlprøver til at kvantificere affald af henholdsvis 0,05-5 cm og 5-50 cm størrelse. Sammenligningsresultaterne og begrundelsen for denne beslutning findes i Supplerende metoder 2.

Bearbejdning af luftbilledmateriale

Alle RGB-billeder, der blev taget under vores undersøgelsesflyvninger (n = 7 298), blev georefereret ved hjælp af nøjagtige flypositioner og højdedata, der blev indsamlet under undersøgelserne. De blev derefter inspiceret af to trænede observatører og en detektionsalgoritme. Observatørerne inspicerede alle billeder i fuld skærm på en Samsung HD-skærm (LU28E590DS/XY), og de enkeltbillede-mosaikker, der indeholdt vragrester, blev uploadet til QGIS-softwaren (version 2.18.3-Las Palmas) for at registrere deres position og karakteristika. Vi har tillid til, at vi havde et meget lille antal falske positive resultater og et stort antal falske negative resultater. Dette skyldes, at observatørerne anvendte en konservativ fremgangsmåde: de registrerede kun elementer som vragrester, når de var meget sikre på, at de kunne identificeres. Derfor blev mange elementer, der kunne være affald, men som lignede andre naturlige elementer som f.eks. solglimt og bølgebrydende bølger, ikke registreret i vores datasæt om havplast. Da dette arbejde var afsluttet, kørte vi en eksperimentel algoritme, der kunne registrere potentielt affald i alle vores RGB-mosaikker, som et kvalitetskontroltrin. For at undgå falske positive resultater blev alle elementer, der blev opdaget af algoritmen, også visuelt inspiceret af en observatør, og kun de elementer, der visuelt blev identificeret som affald, blev logget i vores QGIS-database. For hver observation registrerede vi position (breddegrad, længdegrad), længde (objektets bredeste dimension), bredde og objekttype: (1) “bundtet net” – en gruppe af fiskenet, der er bundet tæt sammen; de er normalt farverige og har en afrundet form; (2) “løst net” – et enkelt fiskenet; de var generelt ret gennemsigtige og rektangulære i form; (3) “beholder” – rektangulære og lyse genstande, såsom fiskekasser og tromler; (4) “reb” – lange cylindriske genstande med en tykkelse på ca. 15 cm; (5) “bøje/låg” – afrundede lyse genstande, der enten kunne være et stort låg eller en bøje; (6) “ukendt” – genstande, der tydeligvis er affald, men hvis genstandstype ikke blev identificeret; det var for det meste uregelmæssigt formede genstande, der lignede plastfragmenter; og (7) andet – kun én genstand blev identificeret, men den tilhørte ikke nogen af de ovennævnte kategorier: en livring. Vi registrerede 1595 affaldsgenstande (403 og 1292 i henholdsvis flyvning 1 og 2); 626 var 10-50 cm og 969 var >50 cm lange. De fleste af dem blev klassificeret som “ukendt” (78 % for 10-50 cm, 32 % for >50 cm), efterfulgt af “bøje eller låg” (20 %) og “bundtet net” (1 %) for 10-50 cm affald og af “bundtet net” (29 %), “container” (18 %), “bøje eller låg” (9 %), “reb” (6 %) og “tabt net” (4 %) for >50 cm affald. For at beregne koncentrationerne af havplastik grupperede vi de georefererede billeder i 31 mosaikker på ~10 km2. For at beregne de numeriske koncentrationer dividerede vi simpelthen antallet af affaldsstykker på 10-50 cm og >50 cm i hver mosaik med det dækkede areal. For at estimere massekoncentrationer måtte vi først estimere massen af hvert enkelt objekt, der blev observeret, og derefter summerede vi separat massen af 10-50 cm og >50 cm affald inden for hver mosaik med det dækkede område. Flere oplysninger om, hvordan vi estimerede massen af hver enkelt spottet genstand, findes i Supplerende metoder 3.

Numerisk modelformulering

Oceanernes plastikbaner kan repræsenteres ved Lagrangian partikelbaner31. I vores ramme blev partikler advekteret af følgende miljømæssige drivkræfter: havoverfladestrømme, bølgeinduceret Stokes-drift og vind. Med udgangspunkt i identiske partikeludledninger udarbejdede vi en række forcerende scenarier for at repræsentere mangfoldigheden i form og sammensætning af havplast. Vi startede med kun at bruge havoverfladestrømmene og tilføjede gradvist drivkrafttermer, der repræsenterer virkningen af atmosfærisk modstand og vindbølger på flydende affald. Vindens virkning blev simuleret ved at betragte partiklernes forskydning som en brøkdel af vindhastigheden i 10 m højde over havniveau. Dette kaldes “vindkoefficienten”. Vi vurderede forskellige vindkoefficient-scenarier, herunder 0 %, 0,1 %, 0,5 %, 1 %, 2 % og 3 %. Vi hentede globale havoverfladestrømme (1993-2012) fra HYCOM + NCODA’s globale 1/12°-reanalyse (eksperiment 19.0 og 19.136,37,38) og data om vindhastighed og -retning (10 m over havniveau) (1993-2012) fra NCEP/NCAR’s globale reanalyse39. Den bølgeinducerede Stokes-driftamplitude blev beregnet ved hjælp af bølgespektrets bulkkoefficienter (signifikant bølgehøjde, bølgetoppeperiode og retning) fra Wavewatch3-modeloutput40.

For hvert forcingsscenarie blev partikler frigivet identisk og kontinuerligt i tid fra 1993 til 2012 efter den rumlige fordeling og amplituder af væsentlige havplastkilder på land (kystbefolkningens hotspots23 og større floder24 ) samt på havet (fiskeri26,41 , akvakultur42 og skibsfart43 ). Kildescenarierne blev kombineret ved hjælp af det relative kildebidrag og den geografiske fordeling, der er beskrevet i Supplerende metoder 4. Vi advekterede globale partikler i tid ved hjælp af de ovenfor beskrevne forcerende scenarier og reproducerede med succes dannelsen af affaldsflader i havet, idet formen og gradienten af partikelkoncentrationerne i disse områder varierede mellem de forskellige forcerende scenarier. Vi beregnede daglige partikelbesøg over 0,2° opløsningsgitre, der svarer til vores observationsområde og strækker sig fra 160°W til 120°W i længdegrad og fra 20°N til 45°N i breddegrad. Antallet af daglige partikelbesøg blev ensrettet over det samlede antal partikler, der var til stede i den globale model på et givet tidspunkt. Den modelberegnede ikke-dimensionelle koncentration δ i for celle i blev beregnet som følger

$$${\delta }_{i}=\sum _{s}{\alpha }_{s}{\delta }_{i,s}$$$$

(1)

hvor αs er den ikke-dimensionelle vægt i forhold til bidraget fra kilde s og δi,s er den procentvise andel af globale partikler fra kilde s i celle i. δi,s beregnes med antallet af partikler ni,s fra kilde s i celle i i i forhold til det samlede antal globale partikler Σ i n s fra kilde s:

$$${\delta }_{i,s}=\frac{{{n}_{i,s}}}{{{\sum }_{i}{n}_{s}}}$$$

(2)

Numerisk modelkalibrering

Vi indsamlede målinger på havet i 2015 og 2016, men vores numeriske model anvender reanalyser af havcirkulationen, der dækker perioden fra 1993 til 2012. Modellerede data om havcirkulationen efter 2012 er tilgængelige fra HYCOM, dog ikke som et reanalyseprodukt. Vi besluttede derfor ikke at anvende dem i denne undersøgelse. Da de første modelpartikler, der blev frigivet i 1993, begynder at akkumulere betydeligt i området efter ca. 7 år, beregnede vi gennemsnittet af de ensartede daglige partikelbesøg over 12 år, fra 2000 til 2012. Vi grupperede de observerede affaldsstørrelsesklasser i fire kategorier: mikroplast (0,05-0,5 cm), mesoplastik (0,5-5 cm), makroplastik (5-50 cm) og megaplastik (>50 cm). Vi sammenlignede modelprædiktioner med dybdeintegrerede mikroplastkoncentrationer, da dette datasæt indsamlet af Manta-trawl havde den største rumlige dækning. Massekoncentrationer afledt af trawlmålinger blev grupperet i celler med en opløsning på 0,2 grader og sammenlignet med den modelberegnede ikke-dimensionelle koncentration δ for de fem forskellige forcerings-scenarier. Den bedste modeltilpasning blev fundet for det scenario, hvor der kun var havoverfladestrøm (R2 = 0,52, n = 277 celler). Regressionskoefficienten faldt, efterhånden som vi øgede den atmosfæriske modstandsterm (R2 = 0,39 til 0,21 afhængigt af vindkoefficienten).

Da vi analyserede ophobningen af modelpartikler i GPGP-regionen, bemærkede vi betydelige sæsonmæssige og mellemårlige variationer i GPGP-positionen. De modellerede GPGP-dimensioner var relativt ensartede i løbet af vores 12 års analyser, men den relative position af denne akkumulationszone varierede med årene og årstiderne. Vi besluttede først at teste vores model for sæsonvariation ved at sammenligne vores mikroplastkoncentrationer (målt i juli-september 2015) med de modellerede koncentrationsgennemsnit for juli-september-perioderne fra 2000 til 2012. Denne sammenligning gav dårligere resultater (R2 = 0,46 til 0,21, afhængigt af forcerings-scenarie) end med den 12-årige gennemsnitsløsning (R2 = 0,52), da GPGP-positionen i juli-september varierede betydeligt fra år til år.

Sammenhængen mellem ophobningen af marint affald i det nordlige Stillehav og klimatiske begivenheder som El Niño Southern Oscillation (ENSO) og Pacific Decadal Oscillation (PDO) er tidligere blevet diskuteret18 . For at tage hensyn til den mellemårlige variation sammenlignede vi derfor GPGP’s position i bredde- og længdegrad med disse to klimaindekser: ENSO og PDO. Vi fandt, at 2002 og 2004 svarede til de forhold, som vi oplevede under vores ekspedition med flere fartøjer. Derfor sammenlignede vi vores målinger med gennemsnitsværdierne for partikelbesøg for juli-september i 2002 og 2004 tilsammen. Dette andet forsøg viste bedre resultater (R2 = 0,58 til 0,41, afhængigt af forcerings-scenarie), hvilket tyder på, at klimatiske begivenheder som ENSO eller PDO påvirker den gennemsnitlige position af GPGP’en. Vi besluttede derfor at anvende juli-september-gennemsnittet for 2002 og 2004, som i højere grad tager højde for de mellemårlige variationer i GPGP-positionen. Yderligere oplysninger om valget af år til kalibrering af modellen på grundlag af data fra trawl- og flyveundersøgelser findes i supplerende metoder 5. Den bedste overensstemmelse mellem modelprædiktioner og mikroplastobservationer blev endnu en gang fundet for det forcerende scenario med kun havoverfladestrøm (R2 = 0,58, n = 277). Den bedste regressionstilpasning mellem målte og modellerede mikroplastkoncentrationer havde a = -8,3068 og b = 0.6770 i den parametriske formulering:

$$\,{c}_{mod}=\,{10}^{\frac{{{{\mathrm{log}}}_{10}\delta -a}{b}}}$$$

(3)

Fra denne formulering beregnede vi den modellerede mikroplastmassekoncentration i vores domæneområde og udtrak konturniveauer efter størrelsesorden, fra 0.01 g km-2 til 10 kg km-2. GPGP som defineret i denne undersøgelse svarer til massekoncentrationsniveauet for mikroplast på 1 kg km-2, der dækker et område på 1,6 mio. km2 og er afbildet som en fed linje i fig. 2a. Som en validering kategoriserede vi mikroplastmålinger inden for og uden for 1 kg km-2 konturlinjen (fig. 2b). For stationer inden for den modelberegnede GPGP-linje var medianen af den målte mikroplastkoncentration 1,8 kg km-2 (25.-75. percentiler = 3,5-0,9 kg km-2), mens medianen for stationer uden for var 0,3 kg km-2 (25.-75. percentiler = 0,2-0,7 kg km-2). Ved hjælp af vores kalibrerede mikroplastfordeling beregnede vi masse- og numerisk koncentration for individuelle størrelsesklasser ved at skalere de modellerede koncentrationer med forholdet mellem den gennemsnitlige modellerede mikroplastfordeling inden for GPGP og de gennemsnitlige målte koncentrationer pr. størrelsesklasse på stationer inden for pletten. En sammenligning mellem målte og modellerede masse/numeriske koncentrationer for alle plaststørrelsesklasser i havet er vist i figur 2c og d.

Vores konfidensintervaller blev formuleret for at tage højde for usikkerheder i både prøvetagning og modellering. For trawlindsamlingen (dvs. mikro-, meso- og makroplast) tog vi hensyn til usikkerheder i forbindelse med de vertikale blandingskorrektioner, der blev anvendt på overflade-koncentrationerne ved hjælp af rapporteret havtilstand og plastens stigende hastigheder (se supplerende metoder 1). For luftmosaikkerne tog vi højde for usikkerheder i forbindelse med estimering af massen af observerede objekter baseret på korrelationer mellem overfladearealet og tørvægten af objekter indsamlet i trawl (se supplerende metoder 3). Endelig tilføjede (henholdsvis trak) vi standardfejlen for den målte koncentration til (henholdsvis fra) den gennemsnitlige øvre (henholdsvis nedre) massekoncentration for at tage højde for usikkerheder i forbindelse med modellering, når vi skalerede mikroplastfordelingen til individuelle størrelsesklasser.

Karakterisering efter typer, kilder og forcerende scenarier

Den samlede estimerede massebelastning af havplast i GPGP efter størrelsesklasser blev yderligere opdelt efter typer. Vi beregnede den gennemsnitlige masseandel af de enkelte havplasttyper pr. prøveudtagningsbegivenhed for stationer inden for pletten (Supplerende tabel 1) og udledte bidraget fra typerne “H”, “N”, “F” og “P”. Da vi desuden overvejende observerede affald, der stammede fra marine kilder, undersøgte vi det bidrag fra kilden, som forudses af vores kalibrerede modelfordeling. For de enkelte modelceller beregnede vi den procentvise andel af lagrangianpartikelbesøg fra de enkelte kilder. Da de oprindelige partikler blev vægtet i overensstemmelse med de anslåede globale input, udgjorde modelpartikler fra marine kilder oprindeligt 28,1 % af den samlede mængde materiale med fiskeri (17,9 %), akvakultur (1,3 %) og skibsfart (8,9 %). Vi beregnede forskellen fra denne oprindelige procentvise værdi for hver modelcelle og rapporterede den til den forudsagte samlede massekoncentration. Derved definerede vi “anomalier” i det marine kildebidrag i det nordlige Stillehav og udtrykte disse i masseenheder pr. overfladeareal. Endelig sammenlignede vi, selv om vores kalibrerede model kun tog hensyn til havoverfladestrømmen, forcerings-scenariernes dominans ved at evaluere det respektive antal partikelbesøg for hver modelcelle. Vi beregnede konturer omkring GPGP for individuelle forcingsscenarier på en sådan måde, at materialet inden for hver kontur er lig med vores oprindelige forcingsscenarie (dvs. kun havoverfladestrøm).

Den afhængighed af partiklernes bane af vindkoefficienten, der forudsiges af vores model, er i god overensstemmelse med observationer og modellering af vragrester, der stammer fra Tohoku-tsunamien i Japan i 201144,45. De første identificerede japanske vragdele, der ankom efter 10 til 12 måneder til de nordamerikanske kyster, var objekter med stor vindstyrke såsom bøjer, både og flydedokke. Affaldet ankom også til Hawaiiøerne 18 måneder efter hændelsen. Ankomsttidspunktet var tæt forbundet med objekttyperne og startede det første år med store østersopdrætsbøjer og andre flydefartøjer, containere og beholdere. I det andet år ankom flere bøjer, væltede både, køleskabe og paller, senere fulgt af træbjælker og træaffald. Vores model forudsagde, at kun genstande med en vindkoefficient på over 3 % kunne ankomme til Hawaii i det andet år efter tsunamien i 2011. Genstande med en vindkoefficient på mellem 1 og 2 % ville nå Hawaii i løbet af det tredje år, mens genstande uden vindkoefficient for det meste ville ophobes i GPGP-området nordøst for øgruppen.

Langtidsanalyse

Definitionen af en dynamisk GPGP-grænse, der tager højde for sæsonmæssige og mellemårlige variabiliteter, gjorde det muligt for os at vurdere, hvilke havoverfladetrawldatapunkter fra litteraturen der befinder sig inden for eller uden for GPGP-området. Derfor brugte vi vores kalibrerede model til at vurdere årtiets udvikling i massekoncentrationerne af mikroplast (kg km-2) inden for og omkring GPGP’en. Koncentrationsdata fra litteraturen (Supplerende tabel 2) blev indhentet fra offentliggjorte datasæt eller digitaliseret fra figurer, når de ikke var tilgængelige digitalt17,46,47. Når data blev rapporteret i masseenhed pr. vandvolumen48 , anvendte vi nettotrawdybden til at beregne koncentrationen pr. overfladearealenhed. Når der kun blev rapporteret om numerisk koncentration22,48 , estimerede vi massekoncentrationen ved at bruge den gennemsnitlige havplastmasse fra nettogene, hvor både masse- og numeriske koncentrationer blev rapporteret (m = 3,53 mg, SE: 0,10 mg, n = 872).

Vi sammenlignede den modelforudsagte GPGP-grænse med placeringerne af prøver indsamlet mellem 1999 og 201221,22,48,49. Prøver indsamlet før 199917,46,47,48 blev sammenlignet med den GPGP-position, der var estimeret for de prøvetagede måneder og år i perioden 1999-2012, der havde lignende ENSO- og PDO-værdier (se supplerende metoder 6). Ved at bruge vores dynamiske GPGP-modelgrænse som reference klassificerede vi hver enkelt nettogodstrækning i 3 kategorier: (1) prøvetagning inden for GPGP-grænsen, (2) prøvetagning uden for GPGP-grænsen, men over 20°N og under 45°N og (3) prøvetagning i resten af det nordlige Stillehav. Vi anvendte kun nettræk fra de to første kategorier ovenfor, således at koncentrationsstatistikkerne for området uden for området ikke blev skævvredet af målinger foretaget i ækvatorial- og polarfarvande, hvor koncentrationerne var meget lave. Vi grupperede derefter disse observationer af mikroplastkoncentrationer fra planktonnettrawl efter årtier, idet vi tog data registreret mellem 1965-1974 (n = 20 inden for og n = 58 uden for17,48 ), 1975-1984 (n = 0 inden for og n = 19 uden for46 ), 1985-1994 (n = 4 indenfor og n = 2 udenfor47), 1995-2004 (n = 2 indenfor og n = 252 udenfor22,49), 2005-2014 (n = 195 indenfor og n = 861 udenfor21,22,48) og endelig 2015 (n = 288 indenfor og n = 213 udenfor); denne undersøgelse). Vi beregnede gennemsnittet (± standardfejl) af den målte massekoncentration af mikroplast pr. årti inden for og omkring GPGP-grænsen. Endelig udledte vi dekadiske tendenser ved at tilpasse en eksponentiel funktion (R2 = 0,94) under antagelse af nulkoncentrationer i begyndelsen af det 20. århundrede. Den eksponentielle tilpasning viste bedre resultater end lineære, kvadratiske eller kubiske funktioner (R2 = 0,71, R2 = 0,86 og R2 = 0,91, henholdsvis).

Evidens for, at Great Pacific Garbage Patch hurtigt ophober plastik