MétaCan
Menu
Retour à la cohorte
Enregistrement W4281629266 · doi:10.3390/jmse10060762

Environmental Impacts and Challenges Associated with Oil Spills on Shorelines

2022· article· en· W4281629266 sur OpenAlexaff
Zunaira Asif, Zhi Chen, Chunjiang An, Jinxin Dong

Notice bibliographique

RevueJournal of Marine Science and Engineering · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueOil Spill Detection and Mitigation
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésShoreEnvironmental scienceOil spillMicroplasticsMarine ecosystemEnvironmental resource managementOceanographyEcosystemEnvironmental engineeringGeologyEcology

Résumé

récupéré en direct d'OpenAlex

Oil spills are of great concern because they impose a threat to the marine ecosystem, including shorelines. As oil spilled at sea is transported to the shoreline, and after its arrival, its behavior and physicochemical characteristics change because of natural weathering phenomena. Additionally, the fate of the oil depends on shoreline type, tidal energy, and environmental conditions. This paper critically overviews the vulnerability of shorelines to oil spill impact and the implication of seasonal variations with the natural attenuation of oil. A comprehensive review of various monitoring techniques, including GIS tools and remote sensing, is discussed for tracking, and mapping oil spills. A comparison of various remote sensors shows that laser fluorosensors can detect oil on various types of substrates, including snow and ice. Moreover, current methods to prevent oil from reaching the shoreline, including physical booms, sorbents, and dispersants, are examined. The advantages and limitations of various physical, chemical, and biological treatment methods and their application suitability for different shore types are discussed. The paper highlights some of the challenges faced while managing oil spills, including viewpoints on the lack of monitoring data, the need for integrated decision-making systems, and the development of rapid response strategies to optimize the protection of shorelines from oil spills.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,007
Tête enseignante GPT0,174
Écart entre enseignants0,167 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations235
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

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