MétaCan
Menu
Retour à la cohorte
Enregistrement W2966893187 · doi:10.3390/pr7080525

High Pressure Injection of Chemicals in a Gravel Beach

2019· article· en· W2966893187 sur OpenAlexaff
Xiaolong Geng, Ali Abdollahi-Nasab, Chunjiang An, Zhi Chen, Kenneth Lee, Michel C. Boufadel

Notice bibliographique

RevueProcesses · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueOil Spill Detection and Mitigation
Établissements canadiensFisheries and Oceans CanadaConcordia University
Organismes subventionnairesnon disponible
Mots-clésTRACERPlumeEnvironmental remediationEnvironmental scienceGeologyHydrology (agriculture)BioremediationPetroleum engineeringContaminationGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

The remediation of beaches contaminated with oil includes the application of surfactants and/or the application of amendments to enhance oil biodegradation (i.e., bioremediation). This study focused on evaluating the practicability of the high pressure injection (HPI) of dissolved chemicals into the subsurface of a lentic Alaskan beach subjected to a 5 m tidal range. A conservative tracer, lithium, in a lithium bromide (LiBr) solution, was injected into the beach at 1.0 m depth near the mid-tide line. The flow rate was varied between 1.0 and 1.5 L/min, and the resulting injection pressure varied between 3 m and 6 m of water. The concentration of the injected tracer was measured from four surrounding monitoring wells at multiple depths. The HPI associated with a flow rate of 1.5 L/min resulted in a Darcy flux in the cross-shore direction at 1.15 × 10−5 m/s compared to that of 7.5 × 10−6 m/s under normal conditions. The HPI, thus, enhanced the hydraulic conveyance of the beach. The results revealed that the tracer plume dispersed an area of ~12 m2 within 24 h. These results suggest that deep injection of solutions into a gravel beach is a viable approach for remediating beaches.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,204
Écart entre enseignants0,200 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProcessesMême sujetOil Spill Detection and MitigationTravaux en français237 207