Application of Light Petroleum Biomarkers for Forensic Characterization and Source Identification of Spilled Light Refined Oils
Notice bibliographique
Résumé
Light petroleum biomarkers such as bicyclic sesquiterpanes and diamondoids are ubiquitous components of crude oils and ancient sediments, and are also widely found in intermediate petroleum distillates and many finished petroleum products. These compounds are relatively resistant to biodegradation and light-to-medium evaporation weathering, thus particularly useful in oil-source correlation and differentiation for those cases where the traditional tri- to pentacyclic biomarkers are absent. This work utilized sesquiterpanes and diamondoids for fingerprinting and identification of light oils spilled on water. The gas chromatography/flame ionization detection (GC/FID) analysis and distribution profiles of polycyclic aromatic hydrocarbon (PAHs) and conventional biomarkers suggest that the spilled oils are mixtures of mainly gasoline and light diesel type fuel. Since potential source oil candidates were not available, and a large part of the hydrocarbons in gasoline and diesel co-eluted in chromatographic analysis, it is a challenge to quantify the gasoline and diesel in spill samples. It has been known from previous studies that the bulk concentrations of C14 to C16 sesquiterpanes are in the range of approximately 6,000 to 9,000 μg/g for many light diesel fuels, while little or no sesquiterpanes were detected in gasoline, light kerosene and heavy-end lubricating oils. The target sesquiterpanes in the spilled oil samples were determined to be in quite high concentrations: approximately 4,000 μg/g oil. Therefore, it was estimated that these spilled oil samples consist of approximately half gasoline and half light diesel. To verify the estimation, spilled samples were simulated by mixing a fresh gasoline and a light diesel with a similar carbon range as the spilled oils. Results from comparison of GC/FID chromatograms of the spilled oils with the simulated spill samples are consistent with that obtained from sesquiterpane analysis.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».