MétaCan
Menu
Retour à la cohorte
Enregistrement W4214658250 · doi:10.1007/s11270-022-05557-1

Marine Snow-Oil Interaction Affects n-Alkane Biodegradation in Sediment

2022· article· en· W4214658250 sur OpenAlexafffund
Shokouh Rahsepar, Justine S. van Eenennaam, Jagoš R. Radović, Thomas B. P. Oldenburg, H.H.M. Rijnaarts, Albertinka J. Murk, E.M. Foekema, Alette Langenhoff

Notice bibliographique

RevueWater Air & Soil Pollution · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueOil Spill Detection and Mitigation
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsUniversity of CalgaryCanada Foundation for InnovationGulf of Mexico Research Initiative
Mots-clésMarine snowSnowBiodegradationEnvironmental scienceSedimentSedimentationSeabedOceanographySnow removalDeepwater horizonOil spillPetroleumGeologyEcologyEnvironmental engineeringGeomorphologyWater column

Résumé

récupéré en direct d'OpenAlex

Abstract During the Deepwater Horizon (DwH) oil spill, an excessive production of marine snow was observed, and it was estimated that as much as 14% of the oil was transferred to the ocean floor by MOSSFA (Marine Oil Snow Sedimentation and Flocculent Accumulation). MOSSFA is an important pathway of transferring oil to the ocean floor. We performed experiments at laboratory scale in 15 aquaria, representing 5 exposures of marine snow with or without oil, only oil, and controls with only clay or sediment. We developed a method to produce artificial marine snow, which resembles the natural marine snow. Results showed 40% less biodegradation of alkanes in “marine snow with oil” compared to “only oil.” Most probably, this is due to preferred biodegradation of marine snow organics comparing to oil alkanes. Biodegradation of marine snow reduces the dissolved oxygen concentration, which might result in anaerobic conditions in the sediment layer. This finding can be projected to a potential ocean floor effect.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,511
Score d'incertitude au seuil0,996

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)0,0040,001

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 Opus0,006
Tête enseignante GPT0,201
Écart entre enseignants0,195 · 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.

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

Citations6
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Air & Soil PollutionMême sujetOil Spill Detection and MitigationTravaux en français237 207