Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Oil spills in industrialized cities pose a significant threat to their urban water environment. The largest city in Canada, the city of Toronto, has an average 300-500 oil spills per year with an average total volume of about 160,000 L/year. About 45% of the spills was eventually cleaned up. Given the enormous amount of remaining oil entering into the fragile urban ecosystem, it is important to develop an effective pollution prevention and control plan for the city. A Geographic Information System (GIS) planning model has been developed to characterize oil spills and determine preventive and control measures available in the city. A database of oil spill records from 1988 to 1997 was compiled and geo-referenced. Attributes to each record such as spill volume, oil type, location, road type, sector, source, cleanup percentage, and environmental impacts were created. GIS layers of woodlots, wetlands, watercourses, Environmental Sensitive Areas, and Areas of Natural and Scientific Interest were obtained from the local Conservation Authority. By overlaying the spill characteristics with the GIS layers, evaluation of preventive and control solutions close to these environmental features was conducted. It was found that employee training and preventive maintenance should be improved as the principal cause of spills was attributed to human errors and equipment failure. Additionally, the cost of using oil separators at strategic spill locations was found to be $1.4 million. The GIS model provides an efficient planning tool for urban oil spill management. Additionally, the graphical capability of GIS allows users to integrate environmental features and spill characteristics in the management 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.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découle