SELECTION AND USE OF SHORELINE TREATMENT ENDPOINTS FOR OIL SPILL RESPONSE
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 Shoreline treatment or shoreline cleanup endpoints are specific criteria assigned to a segment or unit of oiled shoreline or river bank that are used to define when sufficient treatment effort has been completed for that segment or unit. In effect, the endpoints are the practical definition of ‘clean for that particular segment of shoreline in that particular spill. The selection of appropriate and practical end points is part of the net environmental benefit evaluation in the decision process that is conducted during the development of the shoreline treatment plan. Endpoints affect the selection of response strategies and tactics, provide a target for the operations team, and are a standard against which the achievement of treatment can be compared so that closure can be achieved. This paper addresses endpoints in the context of the oiled-shoreline treatment decision process. The concepts and principles involved in the selection of endpoint criteria and measurement techniques are described. Explanations and examples are provided that can be used as a framework to guide and structure this vital element of the decision-making process. Three fundamentally different approaches to define and measure endpoints are identified; these being based on (a) analytical measurements, (b) judgements of impact assessment or (c) visual field measurements of the quantity and nature of oil. A step-wise guide is presented that can be used as a tool to assist in the selection of descriptors and phasing for endpoints based on qualitative/quantitative field observations using SCAT (Shoreline Cleanup Assessment Team) terminology.
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