The influence of nitrate on microbial processes in oil industry production waters
Notice bibliographique
Résumé
Sulfide accumulation due to bacterial sulfate reduction is responsible for a number of serious problems in the oil industry. Among the strategies to control the activity of sulfate-reducing bacteria (SRB) is the use of nitrate, which can exhibit a variety of effects. We investigated the relevance of this approach to souring oil fields in Oklahoma and Alberta in which water flooding is used to enhance oil recovery. SRB and nitrate-reducing bacteria (NRB) were enumerated in produced waters from both oil fields. In the Oklahoma field, the rates of sulfate reduction ranged from 0.05 to 0.16 microM S day(-1) at the wellheads, and an order of magnitude higher at the oil-water separator. Sulfide production was greatest in the water storage tanks in the Alberta field. Microbial counts alone did not accurately reflect the potential for microbial activities. The majority of the sulfide production appeared to occur after the oil was pumped aboveground, rather than in the reservoir. Laboratory experiments showed that adding 5 and 10 mM nitrate to produced waters from the Oklahoma and Alberta oil fields, respectively, decreased the sulfide content to negligible levels and increased the numbers of NRB. This work suggests that sulfate reduction control measures can be concentrated on aboveground facilities, which will decrease the amount of sulfide reinjected into reservoirs during the disposal of oil field production waters.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».