MétaCan
Menu
Retour à la cohorte
Enregistrement W4283322069 · doi:10.3390/jmse10070849

Climate Change Impacts on Coastal and Offshore Petroleum Infrastructure and the Associated Oil Spill Risk: A Review

2022· review· en· W4283322069 sur OpenAlexaff
Jinxin Dong, Zunaira Asif, Yarong Shi, Yinying Zhu, Zhi Chen

Notice bibliographique

RevueJournal of Marine Science and Engineering · 2022
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueOil Spill Detection and Mitigation
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésClimate changeVulnerability (computing)Submarine pipelineEnvironmental scienceOil spillPetroleumPetroleum industryGlobal warmingEnvironmental planningEnvironmental resource managementRisk analysis (engineering)BusinessEnvironmental protectionOceanographyEnvironmental engineeringComputer scienceGeology

Résumé

récupéré en direct d'OpenAlex

Climate change has been observed worldwide in recent decades, posing challenges to the coastal and offshore oil and gas infrastructure. It is crucial to identify how climate change affects these infrastructures and the associated oil spill risk. This paper provides an analysis of the vulnerability of coastal and offshore oil and gas infrastructure in response to climate change. The paper examines oil spill incidents worldwide and addresses climate change’s possible influences on oil spill risk. Moreover, available oil spill modeling and decision support tools for oil spill response are reviewed considering climate change. The paper signals the need for emerging decision and modeling tools considering climate change effects, which can help decision-makers to evaluate the risk on time and provide early warnings to adapt or prevent the unforeseen impacts on the oil industry partially resulting from global warming, including oil spill accidents.

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)0,002
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: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,012
Tête enseignante GPT0,237
Écart entre enseignants0,226 · 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

Citations58
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

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