MétaCan
Menu
Retour à la cohorte
Enregistrement W4225092913 · doi:10.1242/jeb.243819

The capture of crude oil droplets by filter feeders at high and low Reynolds numbers

2022· article· en· W4225092913 sur OpenAlexafffund
Francis Letendre, Christopher B. Cameron

Notice bibliographique

RevueJournal of Experimental Biology · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueOil Spill Detection and Mitigation
Établissements canadiensUniversité de Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésReynolds numberAppendageOil dropletMechanicsBiologyTurbulencePhysicsEcology

Résumé

récupéré en direct d'OpenAlex

Crustacean filter feeders capture oil droplets with the use of their ramified appendages. These appendages behave as paddles or sieves, based on the system's Reynolds number. Here, we used high-speed videography, scanning electron microscopy and fluid mechanics to study the capturing mechanisms of crude oil droplets and the filtering appendage's wettability by two species of barnacles (Balanus glandula and Balanus crenatus) and of the freshwater cladoceran Daphnia magna. Our results show that barnacle appendages behave as paddles and capture droplets in their boundary layers at low Reynolds number. At high Reynolds number, droplets are most likely to be captured via direct interception. There is an intermediate range of Reynolds number where droplets can be captured by both mechanisms at the same time. Daphnia magna captures droplets in the boundary layers of the third and fourth pair of thoracic legs with a metachronal motion of the appendages. All studied surfaces were revealed to be highly lipophobic, demonstrating captured oil droplets with high contact angles. We also discuss implications of such capture mechanisms and wettability on potential ingestion of crude oil by filter feeders. These results further our understanding of the capture of crude oil by filter feeders, shedding light on the main entry point of oil in marine food webs.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,999

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)0,0010,000

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 Opus0,004
Tête enseignante GPT0,218
Écart entre enseignants0,214 · 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

Citations8
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Experimental BiologyMême sujetOil Spill Detection and MitigationTravaux en français237 207