A COMPREHENSIVE NUMERICAL APPROACH TO PREDICT OIL-MINERAL AGGREGATE (OMA) FORMATION FOLLOWING OIL SPILLS IN AQUATIC ENVIRONMENTS
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 Aggregation between suspended sediment grains and oil droplets, which leads to the formation of agglomerates commonly referred to as Oil-Mineral Aggregates (OMA), is widely acknowledged as a natural process that enhances dispersion of spilled oil in aquatic environments. A comprehensive numerical approach is developed to predict the contribution of OMA formation to the dispersal of spilled oil. The model comprises four modules to calculate maximum size of oil droplets, to predict formation of oil droplets from a slick, to predict formation of sediment floc, and to calculate density of oil-sediment flocs. The inputs of the model are environmental conditions, oil properties and concentration and grain-size distribution of suspended sediments. Sensitivity analysis performed using five crude oils covering a range of viscosities from 8 10−3 to 68 10−3 kg/ms, a kinetic energy dissipation rate from 10−3 to 102 m2/s3, a sediment grain size of 3 μm and a sediment concentration of 250 mg/l showed that formation of OMA is strongly dependent on the oil-water interfacial tension and the kinetic energy dissipation rate. Under breaking wave conditions, the contribution of OMA formation to the dispersal of spilled oil varies between 31 and 97 % depending on characteristics of the individual test oils, in particular oil-water interfacial tension. Results show also that OMA formation is enhanced when the Weber number approaches a value of 0.05.
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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle