Crude oil and particulate fluxes including marine oil snow sedimentation and flocculant accumulation: Deepwater Horizon oil spill study
Notice bibliographique
Résumé
Abstract The Deepwater Horizon oil spill is the largest in US history in terms of oil released and the amount of dispersants applied. It is also the first spill in which the incorporation of oil and/or dispersant into marine snow was directly observable. Marine snow formation, incorporation of oil (MOS – marine oil snow) and subsequent settling to the seafloor, has been termed MOSSFA: Marine Oil Snow Sedimentation and Flocculent Accumulation. This pathway accounts for a significant fraction of the total oil returning back to the sea floor. GOMRI funded studies have determined that important drivers of MOSSFA include, but are not limited to, an elevated and extended Mississippi River discharge, which enhanced phytoplankton production and suspended particle concentrations, zooplankton grazing, and enhanced mucus formation (operationally defined as EPS, TEP, marine snow). Efforts thus far to understand the mechanisms driving these processes are being used to aid in the development of response strategies. These include modeling efforts towards predicting plume dynamics. Although much has been learned during the GOMRI program (reviewed herein and elsewhere), there are still important unknowns that need to be addressed. Understanding of the conditions under which significant MOSSFA events occur, the consequences to the biology, the sinking velocity and distribution of the MOSSFA as well as its ultimate fate are amongst the most important consideration for future studies. Also important is the modification of the oil and dispersant within the MOS and its transport as part of MOSSFA. Ongoing studies are needed to further develop our understanding of these complex and interrelated phenomena.
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 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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».