Framework For The Environmental Impact Factor For Drilling Discharges - A Proposed Tool For Risk Reduction, Management And Regulation Of Drilling Discharges
Notice bibliographique
Résumé
Abstract Through a joint industry project, initiated by the oil industry, a risk based assessment model was developed, enabling quantification of environmental risk from discharges from drilling operations. This tool, applicable for decision support, establishing cost-effective measures for reducing potential harmful drilling discharges to the marine environment, is a further development of the Environmental Impact Factor (EIF) approach used for the management of discharges of produced water on the Norwegian Continental Shelf. The developed EIF for drilling discharges (EIFDD) assesses potential environmental impacts from the discharge of cuttings and drilling fluids. Potential impacts from particulates (e.g. barite) and chemicals in the water column and sediments are assessed. Additionally, potential physical stress from deposition of drilling mud and cuttings on the sea floor are evaluated. Principles for environmental risk assessment as described by the European Commission's Technical Guidance Document (TGD) and Species Sensitivity Distributions were incorporated. One of the main challenges was the application of risk assessment principles to non-toxic stressors, originally designed to evaluate toxic stress,. The EIFDD evaluates environmental risks from oxygen depletion, change in grain size and burial in marine sediments. In order to derive environmental threshold effect values for all stressors an extensive literature study was carried out. Besides that information resulting from decades of environmental monitoring around offshore platforms on the Norwegian Continental Shelf was used for both determination of thresholds and validation purposes. The conceptual framework of this state-of-the-art environmental risk management tool is presented, including the risk assessment principles, and methods to derive exposure and threshold effect values. The use of the EIFDD is illustrated with an example calculation.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».