EFFECTS OF CHEMICAL DISPERSANT ON OIL SEDIMENTATION DUE TO OIL-SPM FLOCCULATION: EXPERIMENTS WITH THE NIST STANDARD REFERENCE MATERIAL 1941?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT As it is well established that application of chemical dispersant to oil slicks enhances the concentration of oil droplets and reduces their size, chemical dispersants are expected to enhance oil sedimentation if applied in coastal waters rich in suspended particulate matter (SPM) and if flocculation between chemically dispersed oil and SPM, which leads to formation of oil-SPM aggregates (OSAs), occurs readily. New laboratory experiments were conducted to establish a quantitative understanding of the process and to verify this hypothesis. This paper presents findings from experiments conducted using Standard Reference Material 1941b prepared by the National Institute of Standards and Technology, Arabian Medium, Alaska North Slope and South Louisiana crude oils, and Corexit 9500 and Corexit 9527 chemical dispersants. Results showed that OSAs do form with chemically dispersed oil. Oil sedimentation increases with sediment concentration and reach a maximum at a sediment-to-oil ratio of approximately 2:1 for most of the oils used. No obvious effect of chemical dispersant on oil sedimentation was measured for sediment concentration of 100 mg/L and higher. However, measured oil sedimentation was 3 to 5 times higher with chemical dispersant than with physically dispersed oil at low sediment concentration of 25 and 50 mg/L. UV epi-fluorescence microscopy showed that OSAs formed with chemically dispersed oil contain many oil droplets that are smaller than those trapped in OSAs formed with physically dispersed oil.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 découle