Evidence that the Great Pacific Garbage Patch is rapidly accumulating plastic | Scientific Reports

Sampling

Od 27 lipca do 19 września 2015 r. przeprowadzono w sumie 652 powierzchniowe odłowy sieciowe między 25°N-41°N i 129-156°W przez 18 uczestniczących statków. W październiku 2016 r. ponownie odwiedziliśmy nasz obszar badań, wykonując dwa loty samolotem Hercules C-130, który zebrał zdjęcia lotnicze (n = 7 298 mozaik jednoklatkowych), aby lepiej określić ilościowo większe i rzadsze >50 cm obiekty z tworzyw sztucznych (ryc. 1).

Statki prowadziły holowania sieci trwające od 0,35 do 4 godzin, podczas nawigacji z prędkością 0,7-6,8 węzła. Wszystkie włoki były zaprojektowane w taki sposób, aby oddalały się od statku w celu uniknięcia wpływu efektu „wake” na efektywność wychwytywania przez urządzenia. Wszystkie załogi statków zostały przeszkolone z wykorzystaniem materiałów internetowych i warsztatów indywidualnych, które przeprowadzono przed wypłynięciem. Podczas holowania włoka najbardziej doświadczony żeglarz na pokładzie statku oceniał stan morza (w skali Beauforta), mierząc prędkość wiatru i obserwując wysokość fal. Dane te zostały zapisane w dostarczonych standardowych arkuszach danych, wraz z datą, czasem trwania oraz początkowymi i końcowymi współrzędnymi każdego holowania. Położenie i długość wszystkich holowań sieci potwierdzono na etapie po przetworzeniu danych, sprawdzając dane dotyczące pozycji z urządzeń śledzących GPS zainstalowanych na wszystkich uczestniczących statkach. Większość stacji poboru próbek obejmowała pojedyncze holowanie sieci (n = 350 stacji poboru próbek) przy użyciu włoka Manta (oczka kwadratowe 0,5 mm, otwór gębowy 90 cm × 15 cm), który jest jednym ze standardowych urządzeń do ilościowego określania poziomu zanieczyszczenia plastikiem. Największy uczestniczący statek (RV Ocean Starr) jednocześnie holował dwa włoki Manta, obok dwóch dużych włoków Neuston (kwadratowe oczka 1,5 cm, otwór gębowy 6 m × 1,5 m, z czego 0,5 m powyżej linii wody; zwane dalej „włokami Mega”) w każdym miejscu pobierania próbek (n = 76 stacji). Po każdym holowaniu sieci Manta, sieć była płukana z zewnątrz wodą morską, a jej jednorazowy worek włoka był usuwany, zamykany zszywkami i umieszczany w indywidualnej torbie typu zip-lock. Po każdym holowaniu włokiem Mega, sieć również płukano z zewnątrz wodą morską, a jej duży worek otwarto w pudełku wypełnionym wodą morską. Następnie usunięto wszystkie wyporne tworzywa sztuczne, zawinięto je w folię aluminiową i umieszczono w oznakowanych plastikowych torbach. Cała zawartość schwytana przez włoki Manta była przechowywana, podczas gdy organizmy schwytane przez włoki Mega (w większości żywe) zostały wypuszczone z powrotem do oceanu. Wszystkie próbki były przechowywane w lodówce lub zamrażarce podczas pobytu na morzu, oraz w chłodnym pudełku FedEx (2-8 °C) lub w chłodni (-2 °C) podczas transportu do laboratorium. Mimo zachowania ostrożności przy obchodzeniu się z próbkami, niektóre elementy szczątków mogły ulec uszkodzeniu podczas transportu, co doprowadziło do pewnej tendencyjności w naszym rozkładzie wielkości szczątków. Szczegółowe informacje związane z tymi zaciągami sieci (tj. współrzędne, warunki meteorologiczne, czas i długość pobierania próbek) znajdują się na Rysshare33.

Próby lotnicze objęły znacznie większy obszar (311,0 km2) niż opisane powyżej badania włokiem (3,9 km2 i 13,6 km2, odpowiednio dla zaciągów sieci Manta i Mega), co pozwoliło na bardziej wiarygodne określenie ilości szczątków większych niż 50 cm, które są stosunkowo rzadkie. Oba loty rozpoczęły się i zakończyły na lotnisku Moffett Airfield w pobliżu Mountain View w Kalifornii. Pierwsze badanie lotnicze przeprowadzono 2 października 2016 r. próbkując od 18:56 do 21:14 czasu UTC, na stałej szerokości geograficznej 33,5°N i długości geograficznej zmieniającej się od 141,4°W do 134,9°W. Drugi sondaż rozpoczął się 6 października 2016 r. próbkując od 22:14 do 0:37 czasu UTC, od 30.1°N, 143.7°W do 32.9°N, 138.1°W. Podczas pracy w trybie pomiarowym samolot leciał na wysokości ok. 400 m i z prędkością naziemną 140 węzłów. Transekty próbkowania były ukierunkowane na obszary, gdzie warunki stanu morza były najniższe, na podstawie prognozy pogody, w tym ciśnienia atmosferycznego na powierzchni morza, zachmurzenia, prędkości wiatru na wysokości 10 m nad poziomem morza i wysokości granicznej warstwy powierzchniowej, dostarczonej przez Globalny System Prognoz NOAA, a także danych o znaczącej wysokości fali i okresie szczytowym, dostarczonych przez dane wyjściowe modelu WaveWatch3 NOAA. Pomimo, że badania szczątków pływających prowadzone były z wykorzystaniem przeszkolonych obserwatorów i trzech typów czujników (Lidar, SWIR imager i kamera RGB), tutaj analizujemy jedynie informacje pochodzące z mozaiki georeferencyjnej wyprodukowanej przez kamerę RGB (CS-4800i), która generalnie wykonywała zdjęcia co sekundę podczas pomiarów (rozmiar ramki = ~360 m w poprzek toru, ~240 m wzdłuż toru, rozdzielczość ~0.1 m resolution).

Przetwarzanie próbek słomy

Próbki słomy były oddzielnie przemywane do wieży sitowej (pięć sit Glenammer Engineering Ltd, z kwadratowymi otworami 0,05 cm, 0,15 cm, 0,5 cm, 1,5 cm i 5 cm), która dzieliła materiał na następujące klasy wielkości: 0,05-0,15 cm, 0,15-0,5 cm, 0,5-1,5 cm, 1,5-5 cm oraz >5 cm. Szczątki >5 cm były następnie ręcznie sortowane na klasy 5-10 cm, 10-50 cm i >50 cm poprzez pomiar długości obiektów (najszerszy wymiar obiektu) za pomocą linijki. Szczątki wypornościowe zostały oddzielone od biomasy poprzez umieszczenie materiału na każdym sicie w przefiltrowanej słonej wodzie (zasolenie 3,5%, temperatura 19-23 °C). Personel laboratorium wielokrotnie mieszał materiał, aby upewnić się, że pływające cząstki zostały odłączone od biomasy. Obiekty pływające zidentyfikowane jako szczątki wypornościowe były ręcznie zbierane z powierzchni wody za pomocą kleszczy, rozdzielane na rodzaje i liczone. Szczątki wypornościowe klasyfikowano według rodzaju materiału (plastik, szkło, parafina, smoła, guma, drewno, pumeks, nasiona lub nieznane), przy czym plastik dzielono dalej na następujące kategorie: (1) typ „H” – fragmenty i przedmioty wykonane z twardego plastiku, plastikowego arkusza lub folii; (2) typ „N” – plastikowe liny, sznury i sieci rybackie; (3) typ „P” – przedprodukcyjne granulki plastiku w kształcie walca, dysku lub kuli; oraz (4) typ „F” – fragmenty lub przedmioty wykonane ze spienionego materiału (np. polistyrenu ekspandowanego). Po policzeniu i skategoryzowaniu, kawałki były przemywane wodą destylowaną, przenoszone do aluminiowych naczyń, suszone przez noc w temperaturze 60 °C i ważone przy użyciu wagi OHAUS Explorer EX324M (odczyt 0,0001 g) dla obiektów <5 cm, oraz wagi OHAUS Explorer EX12001M (odczyt 0,1 g) dla obiektów >5 cm.

Aby jak najlepiej scharakteryzować oceaniczny plastik gromadzący się w GPGP, wykonaliśmy dodatkowe analizy z zebranym materiałem. Po pierwsze, wybrano po 10 sztuk z każdej kategorii wielkości/typu plastiku (n = 220 sztuk) do analizy składu polimerów metodą spektroskopii w podczerwieni z transformacją Fouriera (FT-IR). Odczyty wykonano przy użyciu aparatu Perkin Elmer Spectrum 100 FT-IR wyposażonego w uniwersalną przystawkę ATR (zakres = 600-4000 cm-1). Typ polimeru określano poprzez porównanie widm FT-IR próbek z widmami znanymi z bazy danych (Perkin-Elmer ATR of Polymers Library). Po drugie, sprawdzono wszystkie zebrane odpady plastikowe pod kątem daty produkcji, jak również wszelkich napisów informujących o ich pochodzeniu (np. język i napisy „made in”). Wreszcie, sklasyfikowaliśmy plastikowe przedmioty typu 'H’ i 'L’ zebrane w 30 stacjach RV Ocean Starr na typy obiektów (np. wieczka od butelek, torby, butelki, itp.). Ponieważ przedmioty typu 'H’ większe niż 50 cm były stosunkowo rzadkie, przeanalizowaliśmy 10 dodatkowych stacji RV Ocean Starr pod kątem tego typu/rozmiaru. Jeśli nie można było określić typu obiektu, sklasyfikowaliśmy fragment jako fragment twardego plastiku lub fragment folii, w zależności od grubości ścianki i elastyczności34. Wykorzystaliśmy próbki włoków Manta do scharakteryzowania obiektów w klasach wielkości 0,15-0,5 cm, 0,5-1,5 cm i 1,5-5 cm, oraz próbki włoków Mega do scharakteryzowania obiektów w klasach wielkości 5-10 cm, 10-50 cm i >50 cm. Tworzywa sztuczne w naszej najmniejszej klasie wielkości (0,05-0,15 cm) nie były brane pod uwagę w tej analizie „Rodzaju obiektów” ze względu na trudność manipulowania i identyfikowania małych fragmentów.

Stężenia liczbowe/masowe wypornościowych przedmiotów z tworzyw sztucznych (liczba/kg tworzyw sztucznych na km2 powierzchni morza) zmierzone przez każde holowanie sieci zostały obliczone oddzielnie dla wszystkich kategorii wielkości/typu tworzyw sztucznych. W tym celu podzielono liczbę i masę przedmiotów z tworzyw sztucznych w każdej kategorii przez obszar holowanej próbki. Obliczyliśmy obszar holowany przez pomnożenie szerokości otworu wlotowego sieci (90 cm dla włoka Manta, 6 m dla włoka Mega) przez długość holowania (określoną na podstawie danych GPS o pozycji). Średni obszar objęty holami sieci Manta wynosił 0,008 km2 (SD = 0,004, min-max: 0,001-0,018 km2), podczas gdy średni obszar objęty holami sieci Mega wynosił 0,090 km2, (SD = 0,013, min-max: 0,046-0,125 km2). Ponieważ pływające tworzywa sztuczne mogą zostać pominięte przez włoki powierzchniowe ze względu na mieszanie wywołane wiatrem, oszacowaliśmy masę „zintegrowaną z głębokością” i liczbowe stężenia tworzyw sztucznych (Ci) dla wszystkich kategorii rodzajowych/wielkościowych w każdym z miejsc poboru próbek za pomocą włoków, stosując równania opisane w pracy 35. Metody uzupełniające 1 zawierają szczegółowe informacje na temat sposobu obliczania Ci jako funkcji prędkości wznoszenia się końcowej części plastiku w oceanie (Wb), głębokości, na której pobierane są próbki przez włok i stanu morza. Opisuje również jak mierzyliśmy Wb dla każdej z kategorii typu/wielkości w tym badaniu. Po porównaniu wyników koncentracji plastiku uzyskanych przez sparowane zestawy sieci Manta i Mega (n = 76 lokalizacji), zdecydowaliśmy się użyć próbek z włoków Manta i Mega do oceny ilościowej śmieci o rozmiarach odpowiednio 0,05-5 cm i 5-50 cm. Wyniki porównania i uzasadnienie tej decyzji znajdują się w Metodach Uzupełniających 2.

Obróbka zdjęć lotniczych

Wszystkie zdjęcia RGB wykonane podczas naszych lotów badawczych (n = 7 298) zostały zgeoreferencjonowane przy użyciu dokładnych danych o pozycji i wysokości samolotu zebranych podczas badań. Następnie były one sprawdzane przez dwóch przeszkolonych obserwatorów i algorytm wykrywający. Obserwatorzy przeglądali wszystkie obrazy na pełnym ekranie monitora Samsung HD (LU28E590DS/XY), a mozaiki zawierające szczątki były ładowane do oprogramowania QGIS (wersja 2.18.3-Las Palmas) w celu zarejestrowania ich pozycji i charakterystyki. Ufamy, że mieliśmy bardzo małą liczbę fałszywych pozytywów i dużą liczbę fałszywych negatywów. Wynika to z faktu, że obserwatorzy przyjęli konserwatywne podejście: rejestrowali obiekty jako szczątki tylko wtedy, gdy byli bardzo pewni ich identyfikacji. W związku z tym wiele elementów, które mogły być szczątkami, ale przypominały inne naturalne cechy, takie jak błysk słońca czy łamiąca się fala, nie zostały zarejestrowane w naszym zbiorze danych dotyczących tworzyw sztucznych w oceanie. Po zakończeniu tych prac, w ramach kontroli jakości, uruchomiliśmy eksperymentalny algorytm zdolny do wykrywania potencjalnych śmieci we wszystkich naszych mozaikach RGB. Aby uniknąć fałszywych pozytywów, wszystkie cechy wykryte przez algorytm były również sprawdzane wizualnie przez obserwatora i tylko te, które zostały zidentyfikowane jako śmieci, były rejestrowane w naszej bazie danych QGIS. Dla każdej obserwacji odnotowaliśmy pozycję (szerokość i długość geograficzną), długość (najszerszy wymiar obiektu), szerokość i typ obiektu: (1) „bundled net” – grupa sieci rybackich ciasno związanych ze sobą; są one powszechnie kolorowe i mają zaokrąglony kształt; (2) „loose net” – pojedyncza sieć rybacka; były one zazwyczaj dość przezroczyste i miały prostokątny kształt; (3) „container” – prostokątne i jasne obiekty, takie jak skrzynie rybackie i beczki; (4) „rope” – długie cylindryczne obiekty o grubości około 15 cm; (5) „boja/pokrywa” – zaokrąglone jasne obiekty, które mogą być zarówno dużą pokrywą, jak i boją; (6) „nieznane” – obiekty będące wyraźnie szczątkami, ale których rodzaj obiektu nie został zidentyfikowany, były to głównie obiekty o nieregularnym kształcie przypominające fragmenty plastiku; oraz (7) „inne” – udało się zidentyfikować tylko jeden obiekt, który nie należał do żadnej z powyższych kategorii: pierścień ratunkowy. Odnotowaliśmy 1595 szczątków (403 i 1192 odpowiednio w rejsie 1 i 2); 626 o długości 10-50 cm i 969 o długości >50 cm. Większość z nich została sklasyfikowana jako „nieznana” (78% dla 10-50 cm, 32% dla >50 cm), następnie jako „boja lub pokrywa” (20%) i „sieć wiązana” (1%) dla szczątków 10-50 cm, oraz jako „sieć wiązana” (29%), „pojemnik” (18%), „boja lub pokrywa” (9%), „lina” (6%) i „zagubiona sieć” (4%) dla szczątków >50 cm. Aby obliczyć koncentracje plastiku w oceanie, pogrupowaliśmy obrazy georeferencyjne w 31 mozaik o powierzchni ~10 km2. Dla liczbowych stężeń, po prostu podzieliliśmy liczbę odłamków 10-50 cm i >50 cm w każdej mozaice przez pokryty nią obszar. Aby oszacować koncentracje masowe, musieliśmy najpierw oszacować masę każdego zauważonego obiektu, a następnie osobno zsumować masę szczątków o wymiarach 10-50 cm i >50 cm w każdej mozaice przez pokryty nią obszar. Więcej informacji o tym, jak oszacowaliśmy masę każdego zauważonego obiektu, znajduje się w Supplementary Methods 3.

Sformułowanie modelu numerycznego

Oceaniczne ścieżki plastyczne mogą być reprezentowane przez Lagrangian trajektorii cząstek31. W naszym modelu cząstki były adwekowane przez następujące czynniki środowiskowe: prądy morskie powierzchniowe, dryf Stokesa wywołany falami i wiatry. Zaczynając od identycznych uwolnień cząstek, stworzyliśmy serię scenariuszy wymuszeń, aby reprezentować różnorodność kształtu i składu tworzyw sztucznych w oceanie. Zaczynając od wykorzystania jedynie prądów powierzchniowych, stopniowo dodawaliśmy warunki wymuszające reprezentujące oddziaływanie oporu atmosferycznego i fal wiatrowych na wyporne odłamki. Działanie wiatru symulowano poprzez rozważenie przemieszczania się cząstek jako ułamka prędkości wiatru na wysokości 10 m nad poziomem morza. Jest to określane jako „współczynnik aerodynamiczny”. Oceniono różne scenariusze współczynnika wiatrowego, w tym 0%, 0,1%, 0,5%, 1%, 2% i 3%. Pozyskaliśmy globalne prądy powierzchniowe (1993 do 2012) z globalnej reanalizy 1/12° HYCOM + NCODA (eksperyment 19.0 i 19.136,37,38), a dane dotyczące prędkości i kierunku wiatru (10 m nad poziomem morza) (1993 do 2012) z globalnej reanalizy NCEP/NCAR39. Amplituda dryfu Stokesa wywołanego falami została obliczona przy użyciu współczynników objętości widma fal (znacząca wysokość fali, szczytowy okres fali i kierunek) z wyników modelu Wavewatch340.

Dla każdego scenariusza wymuszania cząstki były identycznie i w sposób ciągły uwalniane w czasie od 1993 do 2012 roku zgodnie z rozmieszczeniem przestrzennym i amplitudami znaczących źródeł tworzyw sztucznych w oceanie na lądzie (gorące punkty populacji przybrzeżnej23 i główne rzeki24), jak również na morzu (rybołówstwo26,41, akwakultura42 i żegluga43). Scenariusze źródłowe zostały połączone przy użyciu względnego udziału źródła, jak również rozkładu geograficznego przedstawionego w Metodach Uzupełniających 4. Adwekcja globalnych cząstek w czasie przy użyciu scenariuszy wymuszeń opisanych powyżej i z powodzeniem odtworzyliśmy tworzenie się oceanicznych plam śmieci, z kształtem i gradientem koncentracji cząstek w tych obszarach różniących się między scenariuszami wymuszeń. Obliczyliśmy dzienne wizyty cząstek na siatkach o rozdzielczości 0,2° odpowiadających naszej domenie obserwacyjnej i rozciągających się od 160°W do 120°W na długości geograficznej i od 20°N do 45°N na szerokości geograficznej. Liczba dziennych wizyt cząstek była ujednolicona w stosunku do całkowitej liczby cząstek obecnych w globalnym modelu w danym czasie. Przewidywane przez model stężenie niewymiarowe δ i dla komórki i obliczono w następujący sposób:

$${delta }_{i}=suma _{s}{alpha }_{s}{delta }_{i,s}$$

(1)

gdzie αs jest niewymiarową wagą w stosunku do wkładu źródła s, a δi,s jest procentem globalnych cząstek ze źródła s w komórce i. δi,s jest obliczana jako liczba cząstek ni,s ze źródła s w komórce i w stosunku do całkowitej liczby globalnych cząstek Σ i n s ze źródła s:

$${delta }_{i,s}={frac{{n}_{i,s}}{{suma }_{i}{n}_{s}}$$

(2)

Kalibracja modelu numerycznego

Pomiary na morzu zebraliśmy w 2015 i 2016 roku, ale nasz model numeryczny wykorzystuje reanalizę cyrkulacji oceanicznej obejmującą okres od 1993 do 2012 roku. Modelowane dane o cyrkulacji oceanicznej po 2012 roku są dostępne z HYCOM, jednak nie jako produkt reanalizy. W związku z tym zdecydowaliśmy się nie używać ich w tym badaniu. Ponieważ początkowe modelowe cząstki uwolnione w 1993 roku zaczynają się znacząco akumulować na tym obszarze po około 7 latach, uśredniliśmy ujednolicone dzienne wizyty cząstek przez 12 lat, od 2000 do 2012 roku. Pogrupowaliśmy zaobserwowane klasy wielkości śmieci w cztery kategorie: mikroplastik (0.05-0.5 cm), mezoplastik (0.5-5 cm), makroplastik (5-50 cm) i megaplastik (>50 cm). Porównaliśmy przewidywania modelu ze stężeniami mikroplastiku zintegrowanymi z głębokością, ponieważ ten zestaw danych zebranych przez włoki Manta miał największe pokrycie przestrzenne. Masowe stężenia uzyskane z pomiarów włoków zostały pogrupowane w komórki o rozdzielczości 0,2 stopnia i porównane z przewidywanymi przez model stężeniami niewymiarowymi δ dla pięciu różnych scenariuszy wymuszeń. Najlepsze dopasowanie modelu stwierdzono dla scenariusza wymuszania tylko z prądem powierzchniowym morskim (R2 = 0,52, n = 277 komórek). Współczynnik regresji malał wraz ze wzrostem współczynnika oporu atmosferycznego (R2 = 0.39 do 0.21 w zależności od współczynnika oporu powietrza).

Analizując akumulację cząstek modelu w rejonie GPGP, zauważono znaczące sezonowe i międzyroczne zmiany położenia GPGP. Modelowane wymiary GPGP były względnie stałe w ciągu naszych 12 lat analizy, ale względne położenie tej strefy akumulacji zmieniało się z latami i sezonami. Postanowiliśmy najpierw przetestować nasz model pod kątem zmienności sezonowej, porównując nasze stężenia mikroplastiku (zmierzone w okresie lipiec-wrzesień 2015) z modelowanymi średnimi stężeniami dla okresów lipiec-wrzesień w latach 2000-2012. To porównanie dało gorsze wyniki (R2 = 0,46 do 0,21, w zależności od scenariusza wymuszania) niż w przypadku rozwiązania ze średnią z 12 lat (R2 = 0,52), ponieważ lipcowo-wrześniowa pozycja GPGP znacznie różniła się między latami.

Zależność między akumulacją śmieci morskich na Północnym Pacyfiku a wydarzeniami klimatycznymi, takimi jak El Niño Southern Oscillation (ENSO) i Pacific Decadal Oscillation (PDO), została wcześniej omówiona18. W związku z tym, aby uwzględnić zmienność międzyroczną, porównaliśmy równoleżnikowe i południkowe położenie GPGP w stosunku do tych dwóch indeksów klimatycznych: ENSO i PDO. Stwierdziliśmy, że lata 2002 i 2004 były podobne do warunków doświadczonych podczas naszej ekspedycji wielośrodowiskowej. Dlatego też porównaliśmy nasze pomiary ze średnimi wizyt cząstek dla lipca-września 2002 i 2004 roku łącznie. Ta druga próba dała lepsze wyniki (R2 = 0.58 do 0.41, w zależności od scenariusza wymuszania), sugerując, że wydarzenia klimatyczne takie jak ENSO czy PDO wpływają na średnią pozycję GPGP. Dlatego zdecydowaliśmy się użyć średniej lipcowo-wrześniowej dla lat 2002 i 2004, która lepiej uwzględnia międzyroczną zmienność położenia GPGP. Więcej informacji na temat wyboru lat do kalibracji modelu na podstawie danych z włoków i badań lotniczych przedstawiono w Metodach uzupełniających 5. Najlepsze dopasowanie między przewidywaniami modelu a obserwacjami mikroplastiku stwierdzono po raz kolejny dla scenariusza wymuszającego z samym tylko prądem powierzchniowym morskim (R2 = 0,58, n = 277). Najlepsze dopasowanie regresji między zmierzonymi i modelowanymi stężeniami mikroplastiku miało a = -8,3068 i b = 0.6770 w sformułowaniu parametrycznym:

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

(3)

Z tego sformułowania obliczyliśmy modelowane stężenie masowe mikroplastiku w obszarze naszej domeny i wyodrębniliśmy poziomy konturu według rzędu wielkości, od 0.01 g km-2 do 10 kg km-2. GPGP zdefiniowany w tym badaniu odpowiada poziomowi stężenia masy mikroplastiku 1 kg km-2 obejmującemu obszar 1,6 mln km2 i przedstawiony jako pogrubiona linia na Rys. 2a. Jako walidację, skategoryzowaliśmy pomiary mikroplastiku wewnątrz i na zewnątrz konturu 1 kg km-2 (Rys. 2b). Dla stacji wewnątrz przewidywanego przez model GPGP, mediana zmierzonego stężenia mikroplastiku wynosiła 1,8 kg km-2 (25-75 percentyl = 3,5-0,9 kg km-2), podczas gdy dla stacji poza nim, mediana wynosiła 0,3 kg km-2 (25-75 percentyl = 0,2-0,7 kg km-2). Korzystając z naszego skalibrowanego rozkładu mikroplastiku, obliczyliśmy masę i stężenie liczbowe dla poszczególnych klas wielkości ze skalowania modelowanych stężeń przez stosunek między średnim modelowanym rozkładem mikroplastiku wewnątrz GPGP a uśrednionymi zmierzonymi stężeniami na klasę wielkości w stacjach wewnątrz łachy. Porównanie zmierzonych i modelowanych mas/stężeń liczbowych dla wszystkich klas wielkości plastiku oceanicznego przedstawiono na Rys. 2c i d.

Nasze przedziały ufności zostały sformułowane w celu uwzględnienia niepewności zarówno w pobieraniu próbek, jak i w modelowaniu. W przypadku zbioru włokiem (tj. mikro-, mezo- i makroplastiki), uwzględniliśmy niepewności związane z poprawkami mieszania pionowego zastosowanymi do stężeń powierzchniowych z wykorzystaniem zgłoszonego stanu morza i prędkości wznoszenia się plastiku (patrz Metody Uzupełniające 1). W przypadku mozaik lotniczych uwzględniliśmy niepewności związane z szacowaniem masy zaobserwowanych obiektów na podstawie korelacji między obszarem widoku z góry a suchą masą obiektów zebranych we włokach (patrz Metody uzupełniające 3). Wreszcie, aby uwzględnić niepewności modelowania, dodaliśmy (odpowiednio odjęliśmy) błąd standardowy zmierzonego stężenia do (resp. od) średniego górnego (resp. dolnego) stężenia masowego przy skalowaniu rozkładu mikroplastików do poszczególnych klas wielkości.

Charakterystyka według typów, źródeł i scenariuszy wymuszania

Całkowity szacowany masowy ładunek plastiku oceanicznego w GPGP według klas wielkości został następnie podzielony według typów. Obliczyliśmy średnią frakcję masy poszczególnych typów plastiku oceanicznego na zdarzenie próbkowania dla stacji wewnątrz łachy (Tabela 1) i określiliśmy udział typów „H”, „N”, „F” i „P”. Ponadto, ponieważ zaobserwowane szczątki pochodziły głównie ze źródeł morskich, zbadaliśmy udział źródeł przewidywanych przez nasz skalibrowany modelowany rozkład. Dla poszczególnych komórek modelu obliczyliśmy procentowy udział wizyt cząstek Lagrangianu pochodzących z poszczególnych źródeł. Ponieważ początkowe cząstki były ważone zgodnie z szacowanym globalnym wkładem, modelowe cząstki ze źródeł morskich początkowo stanowiły 28.1% całkowitej ilości materiału, z rybołówstwem (17.9%), akwakulturą (1.3%) i żeglugą (8.9%). Obliczyliśmy różnicę od tej początkowej wartości procentowej dla każdej komórki modelu i podaliśmy ją do przewidywanego całkowitego stężenia masowego. W ten sposób zdefiniowaliśmy „anomalie” w udziale źródeł morskich na Północnym Pacyfiku i wyraziliśmy je w jednostkach masy na powierzchnię. Wreszcie, mimo że nasz skalibrowany model uwzględniał tylko prądy powierzchniowe morskie, porównaliśmy przewagę scenariuszy wymuszeń, oceniając odpowiednią liczbę wizyt cząstek dla każdej komórki modelu. Obliczyliśmy kontury wokół GPGP dla poszczególnych scenariuszy wymuszania w taki sposób, że materiał zawarty wewnątrz każdego konturu jest równy naszemu początkowemu scenariuszowi wymuszania (tj. tylko prąd powierzchniowy morski).

Zależność trajektorii cząstek od współczynnika windage przewidywana przez nasz model jest w dobrej zgodzie z obserwacjami i modelowaniem gruzu pochodzącego z tsunami Tohoku z 2011 roku w Japonii44,45. Pierwsze zidentyfikowane japońskie szczątki, które po 10-12 miesiącach dotarły do wybrzeży Ameryki Północnej były obiektami o dużym współczynniku aerodynamicznym, takimi jak boje, łodzie i pływające doki. Szczątki dotarły również na wyspy hawajskie po 18 miesiącach od incydentu. Czas przybycia był ściśle związany z typami obiektów, zaczynając w pierwszym roku od dużych boi z farmami ostrygowymi i innych pływaków, kontenerów i kanistrów. W drugim roku przybyło więcej boi, wywróconych łodzi, lodówek i palet, a następnie belek drewnianych i drewnianych gruzów. Nasz model przewidywał, że w drugim roku po tsunami 2011 na Hawaje mogły dotrzeć tylko obiekty o współczynniku windage powyżej 3%. Obiekty o współczynniku wiatrochronności od 1 do 2% dotarłyby na Hawaje w trzecim roku, podczas gdy obiekty bez wiatrochronności gromadziłyby się głównie w GPGP, na północny wschód od archipelagu.

Analiza długoterminowa

Zdefiniowanie dynamicznej granicy GPGP, która uwzględnia zmienność sezonową i międzyroczną, pozwoliło nam oszacować, które punkty danych włoka powierzchniowego z literatury znajdują się wewnątrz lub na zewnątrz regionu GPGP. Dlatego też wykorzystaliśmy nasz skalibrowany model do oceny dekadowej ewolucji masowych stężeń mikroplastiku (kg km-2) w obrębie i wokół GPGP. Dane dotyczące stężenia w literaturze (Tabela uzupełniająca 2) uzyskano z opublikowanych zbiorów danych lub zdigitalizowano z rysunków, jeśli nie były one dostępne w formie cyfrowej17,46,47. Jeśli dane podano w jednostkach masy na objętość wody48 , do obliczenia stężenia na jednostkę powierzchni użyto głębokości holowania netto. Gdy podawano tylko stężenie liczbowe22,48, oszacowaliśmy stężenie masowe, wykorzystując średnią masę plastiku oceanicznego z holów sieciowych, w których podano zarówno masę, jak i stężenie liczbowe (m = 3,53 mg, SE: 0,10 mg, n = 872).

Porównaliśmy przewidywaną przez model granicę GPGP z lokalizacjami próbek pobranych w latach 1999-201221,22,48,49. Próbki zebrane przed 1999 rokiem17,46,47,48 zostały porównane z pozycją GPGP oszacowaną dla próbkowanych miesięcy i lat w okresie 1999-2012, które miały podobne wartości ENSO i PDO (Zobacz Uzupełniające Metody 6). Wykorzystując naszą dynamiczną granicę modelu GPGP jako odniesienie, sklasyfikowaliśmy każde holowanie sieci do 3 kategorii: (1) próbkowane w granicach GPGP, (2) próbkowane poza granicami GPGP, ale powyżej 20°N i poniżej 45°N oraz (3) próbkowane w pozostałej części północnego Pacyfiku. Używaliśmy wyłącznie rzutów sieci z pierwszych dwóch powyższych kategorii, aby statystyki stężenia poza obszarem nie były zniekształcone przez pomiary dokonane w wodach równikowych i polarnych, gdzie stężenia były bardzo niskie. Następnie pogrupowaliśmy te obserwacje stężenia mikroplastiku z włoków sieci planktonowych według dekad, biorąc dane zarejestrowane w latach 1965-1974 (n = 20 wewnątrz i n = 58 na zewnątrz17,48), 1975-1984 (n = 0 wewnątrz i n = 19 na zewnątrz46), 1985-1994 (n = 4 wewnątrz i n = 2 na zewnątrz47), 1995-2004 (n = 2 wewnątrz i n = 252 na zewnątrz22,49), 2005-2014 (n = 195 wewnątrz i n = 861 na zewnątrz21,22,48) i wreszcie 2015 (n = 288 wewnątrz i n = 213 na zewnątrz; niniejsze badanie). Obliczyliśmy średnią (± błąd standardowy) zmierzonego stężenia masy mikroplastiku na dekady w obrębie i wokół granicy GPGP. Wreszcie, wyodrębniliśmy trendy dekadowe poprzez dopasowanie funkcji wykładniczej (R2 = 0.94) zakładając zerowe stężenia na początku XX wieku. Dopasowanie wykładnicze dało lepsze wyniki niż funkcje liniowe, kwadratowe i sześcienne (R2 = 0,71, R2 = 0,86 i R2 = 0,91, odpowiednio).