ESTIMATING MECHANICAL OIL RECOVERY WITH THE RESPONSE OPTIONS CALCULATOR
Notice bibliographique
Résumé
ABSTRACT Forecasting the actual effectiveness of mechanical oil spill response forces is known to be very difficult. Frequently, linear calculations such as estimated daily recovery capacity (EDRC) are used to predict the volume of oil that a response system can recover. While EDRC provides a standard approach to estimating on-water oil recovery based on a percentage of the skimming efficiency, this approach does not account for all of the real-world factors that may impact the actual recovery capacity of a given response force. We have developed a method using the Response Options Calculator (ROC) program to estimate the on-water recovery capacity for a defined response force under various oil spill scenarios, incorporating transit times, spill timing, seasonality, and simplified environmental conditions. This provides more realistic recovery estimates than EDRC, and can be developed using a publicly available modeling tool that does not require a technical background. This paper describes our recent experience applying the ROC to a series of hypothetical oil spills along the Pacific Coast of the U.S. and Canada. We explore the capabilities and limitations ROC, and explain the method we have developed. Our treatment includes a discussion of factors such as secondary storage, transit times, spill timing, seasonality and daylight, as well as model shortcomings and how to interpret the final outputs. The results produced by the ROC analysis may be used to inform oil spill contingency planning, response readiness assessments, and risk management.
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 | 0,000 |
| 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 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 ».