MétaCan
Menu
Retour à la cohorte
Enregistrement W3134124199 · doi:10.17975/sfj-2020-013

Fate of Crude Oil in the Environment and Remediation of Oil Spills

2020· article· en· W3134124199 sur OpenAlex

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.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueSTEM Fellowship Journal · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueHydrocarbon exploration and reservoir analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceOil spillEnvironmental remediationOil refineryCrude oilPipeline transportPetroleumPetroleum industryBiodegradationShoreWaste managementPollutionOil pollutionEnvironmental engineeringPetroleum engineeringContaminationEngineeringOceanographyGeologyEcology

Résumé

récupéré en direct d'OpenAlex

The world consumes approximately 5.1 billion tons of crude oil per year, with the United States and Saudi Arabia producing the largest shares [1]. Countries rely on various means for transporting crude oil [1, 2]. Large vessel/tankers transport oil at sea, while oil is transported inland via pipelines, railroads, trucks, and barges [2]. Unfortunately, some of the oil gets spilled into the ocean, freshwater bodies, and terrestrial ecosystems during its production, transportation, and use [3]. Usually, oil spills are caused by accidents involving tankers, barges, pipelines, refineries, drilling rigs, and storage facilities [3]. Small spills are frequent, but are handled by local responders. However, in the case of relatively large spills, known as spills of national significance, a national effort is needed to respond. Examples of large spills include the running aground of the Exxon Valdez in Alaska and the Deepwater Horizon blowout in the Gulf of Mexico. These spills triggered the application of the Oil Pollution Act of 1990 and ensuing regulations [4-9]. When an oil spill reaches the shoreline, efforts are taken to remove as much of the oil as possible using physical means, such as water flushing [3]. When the oil content within sediments becomes too low, physical removal becomes inefficient and/or can lead to further damage [3]. In this situation, oil biodegradation, that is the degradation of oil mediated by microorganisms, becomes an important process to consider [10]. Beaches are bioremediated by monitoring and enhancing the biodegradation of oil. Critically understanding and analyzing oil biodegradation and remediation techniques allows for a better response by decision-makers. This paper first addresses the general chemical composition of oils and then covers the different physical and natural processes that can remove crude oil from beaches, with a focus on bioremediation.

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 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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,118
Score d'incertitude au seuil0,188

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 Opus0,020
Tête enseignante GPT0,202
Écart entre enseignants0,182 · 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