MétaCan
Menu
Retour à la cohorte
Enregistrement W4302292922 · doi:10.1002/cjce.24707

Laboratory testing of dispersant effectiveness at high pressures

2022· article· en· W4302292922 sur OpenAlexvenueno aff
Eleftheria Antoniou, Nicolas Kalogerakis

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueOil Spill Detection and Mitigation
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Commission
Mots-clésDispersantEnvironmental sciencePetroleum engineeringOil spillWaste managementDispersion (optics)Environmental engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Oil spills remain a serious environmental problem, and can have significant economic and ecological consequences. Despite the advantages, accidental deep‐sea oil releases during offshore exploration or production activities are of particular concern as the potential for such incidents increases significantly as we move to deeper waters. Dispersants are important mitigation tools as they have the capability to disperse the oil into a cloud of tiny oil droplets that can be readily degraded by hydrocarbon degraders if suitable environmental conditions prevail. In the case of an offshore incident, the dispersant is injected near the point of crude oil release so that dispersion is more effective. Given that our experience with subsea dispersant use is limited, the effect of pressure on the effectiveness of the dispersant has not been established, and hence, the composition and amount of dispersant to be injected has not been optimized. For typical surface oil spills, dispersant effectiveness is experimentally measured under laboratory conditions by the US‐Environmental Protection Agency (EPA) baffled flask test, which was later adapted as ASTM standard method F3251. Despite its extended use, this test cannot be used for testing dispersants at elevated pressures. In order to see whether pressure affects dispersant effectiveness, we developed a simple laboratory test protocol using a high‐pressure reactor (HPR). In addition, the effectiveness of five commercially available dispersants (COREXIT™ EC9500A, COREXIT™ EC9500B and COREXIT™ EC9527A, Marichem™, and Oiler 60) applied to a dead light crude oil has been determined at various pressures for the first time, and these values have been related to the standard baffled flask test (BFT) at atmospheric pressure. It is shown that pressure increase adversely affects dispersant effectiveness; however, the effect varies from a few percent to nearly a 50% decrease for a pressure increase of 100 bar depending on the particular dispersant used.

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 candidatesaucune
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 enseignants0,180
Score d'incertitude au seuil0,362

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)0,0000,000

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 Opus0,004
Tête enseignante GPT0,160
Écart entre enseignants0,156 · 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'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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetOil Spill Detection and MitigationTravaux en français237 207