MétaCan
Menu
Retour à la cohorte
Enregistrement W4221032012 · doi:10.3390/jmse10030368

A Response Guide for Sunken Oil Mats (SOMs): Formation, Behavior, Detection, and Recovery

2022· article· en· W4221032012 sur OpenAlexfundno aff
Jacqueline Michel, Philip Bambach

Notice bibliographique

RevueJournal of Marine Science and Engineering · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueOil Spill Detection and Mitigation
Établissements canadiensnon disponible
Organismes subventionnairesFisheries and Oceans CanadaNational Oceanic and Atmospheric Administration
Mots-clésOil spillEnvironmental scienceSurf zoneGeologyPetroleum engineeringEnvironmental engineeringOceanography

Résumé

récupéré en direct d'OpenAlex

Based on past spills, the conditions under which floating oil mixes with enough sand to form sunken oil mats (SOMs) are identified. SOMs form mostly during spills of heavy crudes or heavy fuel oils, but also highly weathered and viscous crude oils. They usually form when oil and sand are both suspended in the water column by breaking waves or by the erosion of heavily oiled sand from the beach. The oil–sand mixture needs an area in the nearshore where it can accumulate into mats, such as in troughs or inside lagoons, where wave energy is reduced. SOMs can be oily (>40% oil) or sandy (<<40% oil), with oily SOMs posing risks of the oil separating from the sand and refloating. Methods are described for SOMs detection and recovery based on their location, in either the surf zone or the open-water environment seaward of the surf zone. A matrix provides guidance on methods based on effectiveness and environmental impacts for different site conditions.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,598
Score d'incertitude au seuil0,237

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 savante0,0000,001
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 Opus0,006
Tête enseignante GPT0,204
Écart entre enseignants0,199 · 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

Citations16
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Marine Science and EngineeringMême sujetOil Spill Detection and MitigationTravaux en français237 207