Linking Sulfur Cycling and MIC in Offshore Water Transporting Pipelines
Notice bibliographique
Résumé
Abstract Microbial activities in oil and gas operations cause souring, the production of sulfide by sulfate-reducing bacteria (SRB), and microbiologically-influenced corrosion (MIC). MIC may be especially severe in systems were several different types of fluids are mixed together, as this may provide a variety of nutrients for microbial growth. We have studied samples from an offshore production site and an onshore terminal for separation, crude oil storage, effluent treatment and disposal. We have investigated the samples using chemical analyses, culture-based microbial counts and molecular DNA-based techniques (pyrosequencing) to obtain whole microbial community composition. We found that (i) sulfate reduction by SRB (Desulfovibrio, Desulfobacterium, Desulfobacter) leads to the formation of sulfide, that (ii) sulfide is reoxidized to form elemental sulfur both abiotically and through the metabolism of sulfide-oxidizing bacteria (Sulfurimonas, Arcobacter) and that (iii) sulfur is converted back to sulfide by sulfur-reducing bacteria (S0RB, Desulfuromonas, Desulfuromusa), completing the sulfur cycle. Samples from these systems have significant sulfate, sulfide and sulfur (S8) concentrations and reactions (i) to (iii) can be demonstrated to occur. We find that the presence of elemental sulfur, which is increased by reactions (i) and (ii) and decreased by reaction (iii) gives rise to considerably increased corrosion risk towards steel infrastructure.
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 | 0,000 | 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) | 0,000 | 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 ».