Tank Barge ARGO: A Case Study on the Employment of NCP Special Teams
Notice bibliographique
Résumé
Abstract On October 20, 1937 the Tank Barge ARGO sank during a fall storm on western Lake Erie. The barge was reported to be carrying 100,000 gallons of crude oil and 100,000 gallons of benzol and was thought to have sunk in Canadian waters. The ARGO was identified as a potential polluting wreck in NOAA’s Remediation of Underwater Legacy Environmental Threat (RULET) project and ranked as the greatest legacy underwater environmental threat on the Great Lakes. However, the exact location, condition, and disposition of the sunken barge and its cargo were a mystery for over 78 years. On August 28, 2015 the Tank Barge ARGO was discovered by the Cleveland Underwater Explorers in U.S. waters, beginning a three month response by the U.S. Coast Guard Federal On-Scene Coordinator to mitigate the substantial threat to the environment and public health posed by the ARGO’s cargo. Rife with challenges, the response included complex dive operations, hot tapping, chemical lightering and storage, environmental protection and monitoring and severe logistical constraints, all of which required an extensive incident management organization and utilized almost every “special team” under the National Contingency Plan. This case study summarizes the response to the Tank Barge ARGO and details how “special teams” were utilized by the Federal On-Scene Coordinator to safely and effectively respond to the environmental threat. Specifically, the capabilities of the National Strike Force, District Response Group and District Response Advisory Team, and Scientific Support Coordinator during this response are highlighted and offered as a best practice for other oil and hazardous substance responses.
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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».