MétaCan
Menu
Retour à la cohorte
Enregistrement W4225164550 · doi:10.3390/jmse10050610

An Overview of Oil-Mineral-Aggregate Formation, Settling, and Transport Processes in Marine Oil Spill Models

2022· article· en· W4225164550 sur OpenAlexaff
Xiaomei Zhong, Haibo Niu, Pu Li, Yongsheng Wu, Lei Liu

Notice bibliographique

RevueJournal of Marine Science and Engineering · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueOil Spill Detection and Mitigation
Établissements canadiensBedford Institute of OceanographyDalhousie University
Organismes subventionnairesnon disponible
Mots-clésSettlingOil spillEnvironmental scienceAggregate (composite)Petroleum engineeringWeatheringEnvironmental engineeringGeologyGeomorphologyMaterials science

Résumé

récupéré en direct d'OpenAlex

An oil spill is considered one of the most serious polluting disasters for a marine environment. When oil is spilled into a marine environment, it is dispersed into the water column as oil droplets which often interact with suspended particles to form oil-mineral-aggregate (OMA). Knowing how OMA form, settle, and are transported is critical to oil spill modelling which can determine the fate and mass balance of the spilled volumes. This review introduces oil weathering and movement, and the commonly used numerical models that oil spill specialists use to determine how a spill will evolve. We conduct in-depth reviews of the environmental factors that influence how OMA form and their settling velocity, and we review how OMA formation and transport are modelled. We point out the existing gaps in current knowledge and the challenges of studying OMA. Such challenges include having to systematically conduct laboratory experiments to investigate how the environment affects OMA formation and settling velocities, and the need for a comprehensive algorithm that can estimate an OMA settling velocity.

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)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,381
Score d'incertitude au seuil0,257

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,013
Tête enseignante GPT0,220
Écart entre enseignants0,206 · 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'étudeSimulation ou modélisation
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'admission1
Résumé présentoui

Explorer davantage

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