MétaCan
Menu
Retour à la cohorte
Enregistrement W4281849594 · doi:10.3389/fenvs.2022.908984

Modeling Emulsification Influence on Oil Properties and Fate to Inform Effective Spill Response

2022· article· en· W4281849594 sur OpenAlexfundno aff
Deborah French-McCay, Matthew A. Frediani, Melissa D. Gloekler

Notice bibliographique

RevueFrontiers in Environmental Science · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueOil Spill Detection and Mitigation
Établissements canadiensnon disponible
Organismes subventionnairesFisheries and Oceans CanadaNanjing Institute of TechnologyChevron
Mots-clésEmulsionViscosityOil dropletDissolutionEvaporationChemical engineeringChemistryPetroleum engineeringEnvironmental scienceMaterials scienceGeologyOrganic chemistryComposite materialThermodynamics

Résumé

récupéré en direct d'OpenAlex

Water-in-oil emulsification affects spilled oil fate and exposure, as well as the effectiveness of oil spill response options, via changes in oil viscosity. While oil weathering processes such as evaporation, dissolution, photo-oxidation, and biodegradation increase oil viscosity about 10-fold, incorporation of water droplets into floating oil can increase viscosity by another order of magnitude. The objective of this study was to evaluate how changes in viscosity by oil type, with weathering, and with emulsification affect oil fate. Oil spill modeling analyses demonstrated that the increase in viscosity from emulsification prolonged floating oil exposure by preventing the oil from dispersing into the water column. Persistent emulsified oils are more likely to come ashore than low viscosity oils that readily disperse. Through a rapid increase in viscosity, emulsification restricted entrainment and slowed evaporation. Water column exposure to dissolved concentrations increased with lower viscosity oils. Thus, the ability to emulsify, and at what weathered state, are important predictors of oil fate. Oil viscosity is an important consideration for choosing response alternatives as it controls effectiveness of mechanical removal, in-situ -burning and surface-active chemicals. Therefore, understanding and quantification of oil emulsification are research priorities. The most influential model input determining emulsification and the emulsion’s viscosity is its maximum water content, as it controls the ultimate viscosity of the emulsion. Viscosities were also influenced by the volatile content and initial viscosity of the oil. Algorithms quantifying emulsion stability under field conditions have not been developed, so emulsions were assumed stable over the 30-day simulations. Changes in emulsion stability over time would affect oil properties and so floating oil and shoreline exposures, as well as response effectiveness. However, water column exposures to dissolved concentrations are determined within a few days of oil release, and as such would not be affected by differences in long-term stabilities of the emulsions.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
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 Opus0,008
Tête enseignante GPT0,198
Écart entre enseignants0,190 · 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'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

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Environmental ScienceMême sujetOil Spill Detection and MitigationTravaux en français237 207