Detection of tire and road wear particles in duck mussels (Anodonta anatina) from a road-near lake in Norway using various analytical techniques

Abstract

Microplastic particles (MP) in the environment are an emerging problem, and the environmental impacts are still to be completely understood. It is known that small plastic particles have been in the environment for a long time, and recent research on the topic has increased drastically. Tire and road wear particles (TRWP) are assumed to be one of the largest sources of microplastics to the environment. Thus, the United Nations (UN) has called out MP as an environmental emergency and included microplastics in their sustainable development goals (SDG). Although the knowledge base on the topic is increasing, a common challenge faced by researchers is the lack of standardized quantification methods, making comparisons of studies challenging, especially in regards of TRWP. TRWP are reported to have high contents of sulfur (S), silicon (Si) and zinc (Zn) along with a recognizable morphology. It was hypothesized that micro-X-ray fluorescence (µ-XRF) could detect these elements and, thus be a novel method to identify TRWP in biological samples. Hence, an approach based on µ-XRF and image analysis techniques with ImageJ were developed. Reference tire particles (TPref) were analyzed, both as free particles and on different sample media. Secondly, it was hypothesized that mussels found close to a road, would have a higher content of TRWP than mussels found farther from a road. For this purpose, duck mussels (Anodonta anatina) from the road-near lake Padderudvann were acquired. Samples were taken from the roadside (L1) and a reference site (L2) on the far side of the lake. The mussels were digested using sodium hypochlorite (NaClO) and filtered. Filters were analyzed with light microscopy and µ-XRF. Measurements of TPref using inductively coupled plasma mass spectrometry (ICP-MS) and µXRF are in line with reported amounts of signature elements from the literature. TPref were detected with µ-XRF in and on top of sample material. Principal component analysis (PCA) shows that mussels from L1 had a higher content of zinc and copper (Cu) than mussels from L2. There was a statistically significant difference in potential TRWP found through microscopy between the mussels from the two locations, with mussels from L1 having the highest number of potential TRWP. With the developed approach using µ-XRF it was found one potential TRWP. Performed analyses in this thesis suggests that µ-XRF could be a way of quantifying TRWP in mussels, hence first hypothesis is supported. The challenge faced with this approach was the residues on the filters hampering excitation of metals in potential TRWP, as well as causing self-absorption of fluorescent X-rays. If the digestion process is optimized, µ-XRF has the potential of being a robust approach to identify TRWP in biological samples. The second hypothesis is also supported based on the content of metals related to road runoff, as well as content of potential TRWP. However, neither of the hypotheses can be confirmed, nor denied by the results of this present thesis.

Mikroplastpartikler (MP) i miljøet er et stadig fremtredende problem. Små plastpartikler har sirkulert i miljøet lenge og de miljømessige konsekvensene er fortsatt usikre. Det har vært en kraftig økning i forskning innenfor dette feltet de siste årene. Dekk- og veislitasjepartikler (TRWP) er antatt å være blant de største kildene til mikroplastforurensning. De Forente Nasjoner (FN) har utpekt MP som en miljømessig krise, og dermed inkludert mikroplastforurensning i sine bærekraftsmål (SDG). En stor utfordring i forskningsmiljøet er mangelen på standardiserte kvantifiseringsmetoder, noe som gjør sammenligning av studier utfordrende, spesielt med tanke på TRWP. TRWP har et høyt innhold av svovel (S), silisium (Si) og sink (Zn) i tillegg til å ha en gjenkjennelig morfologi. Den første hypotesen ble derfor at mikro røntgenfluorescens (µXRF) kan oppdage disse grunnstoffene, og at TRWP kan identifiseres i biologiske prøver. En metode basert på µ-XRF og bildeanalyse med ImageJ ble utviklet. Referansebildekkpartikler (TPref) ble analysert på og i ulikt prøvemateriale, og som selvstendige partikler. Den andre hypotesen omhandler at muslinger som er funnet i nærheten av en vei vil inneholde mer TRWP enn muslinger som er funnet lenger unna. I forbindelse med dette ble andemuslinger (Anodonta anatina) fra den veinære innsjøen Padderudvann undersøkt. Muslingene ble samlet inn fra veisiden (L1) av innsjøen, og fra en referanselokalitet (L2) på den andre siden av innsjøen. Muslingene ble løst opp med natriumhypokloritt (NaClO) og deretter filtrert. Filtrene ble analysert med lysmikroskop og µ-XRF. Målinger av referansebildekkpartikler (TPref) som ble gjort med induktivt koblet plasma massespektrometri (ICP-MS) og µ-XRF samsvarte med de rapporterte mengdene av signaturgrunnstoffene fra litteraturen. TPref ble påvist både i og på prøvematerialet med µXRF. Hovedkomponentanalyse (PCA) tyder på at muslingene fra L1 hadde et høyere innhold av sink og kobber (Cu) enn muslinger fra den L2. Det var en statistisk signifikant forskjell i potensielle TRWP funnet med mikroskop i muslinger fra de to lokalitetene. Muslinger fra L1 hadde den største mengden potensielle TRWP. Ved bruk av den nyutviklede µ-XRF-metoden ble det funnet én potensiell TRWP. Analyser som er gjort i denne masteroppgaven antyder at µ-XRF kan identifisere TRWP i muslinger, noe som støtter den første hypotesen. En utfordring med denne metoden var at rester på filtrene hindret eksitering av metaller i potensielle TRWP i tillegg til å føre til selvabsorpsjon av fluoriserende røntgenstråler. Dersom oppslutningsprosessen optimaliseres, har µ-XRF potensiale til å bli en robust metode for å identifisere TRWP i biologiske prøver. Hypotese 2 støttes også, på bakgrunn av det det målte innholdet metaller som kan relateres til veiavrenning i muslingene, i tillegg til innhold av potensielle TRWP. Ingen av hypotesene kan bekreftes eller avkreftes på bakgrunn av resultatene i denne masteroppgaven.