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 OpenAlexvenueno aff
Lauren Iskander, Charbel Abou Khalil, Michel C. Boufadel

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.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,024

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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

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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations15
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSTEM Fellowship JournalMême sujetHydrocarbon exploration and reservoir analysisTravaux en français237 207