MétaCan
Menu
Retour à la cohorte
Enregistrement W3026056415 · doi:10.1007/s10230-020-00686-7

Effects of Hydrocarbons on Wind Waves in a Mine Pit Lake

2020· article· en· W3026056415 sur OpenAlexafffundabout
D. Hurley, Gregory A. Lawrence, Edmund W. Tedford

Notice bibliographique

RevueMine Water and the Environment · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueOil Spill Detection and Mitigation
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesUniversity of British ColumbiaSyncrude
Mots-clésTailingsLand reclamationOil sandsGeologyHydrogeologyHydrocarbonOverburdenBiogeochemical cycleEnvironmental scienceAsphaltHydrology (agriculture)Mining engineeringGeotechnical engineeringEnvironmental chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The extraction and upgrading of bitumen to crude oil from the Canadian oil sands has produced large quantities of byproducts such as fluid fine tailings (FFT) and oil sands process affected water (OSPW). One reclamation strategy for these byproducts is to backfill a mined-out pit with FFT and cap it with a mix of OSPW and non-process affected water to form a pit lake. We investigated the effects of hydrocarbons, residual bitumen, on the generation and growth of wind waves, both in the laboratory and in a pit lake. In the laboratory, we compared the wind wave characteristics in the presence and absence of a hydrocarbon film. We showed that the hydrocarbon film dampens high frequency waves, resulting in a slower growing wave field dominated by lower frequency waves. These results were consistent with our field observations. Thus, it appears that the presence of a hydrocarbon film on a pit lake leads to a wind wave field dominated by longer wavelength waves that take more time to develop and grow at a slower rate. This is important since wind wave-driven mixing, in tandem with biogeochemical processes, governs water quality in mine pit lakes. Thus, this work improves understanding of the physical processes that effect water quality in mine pit lakes and enhances the ability of mine managers to conduct pit lake reclamation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,221
Score d'incertitude au seuil0,318

Scores Codex et Gemma par catégorie

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 Opus0,004
Tête enseignante GPT0,160
Écart entre enseignants0,156 · 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 tête enseignante, 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

Citations3
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueMine Water and the EnvironmentMême sujetOil Spill Detection and MitigationTravaux en français237 207