Chemical Weathering Patterns of Diluted Bitumen Spilled into Freshwater Limnocorrals
Notice bibliographique
Résumé
Due to the sudden nature of oil spills, few controlled studies have documented how oil weathers immediately following accidental release into a natural lake environment. Here, we evaluated the weathering patterns of Cold Lake Winter Blend, a diluted bitumen (dilbit) product, by performing a series of controlled spills into limnocorrals installed in a freshwater lake in Northern Ontario, Canada. Using a regression-based design, we added seven different dilbit volumes, ranging from 1.5 to 180 L, resulting in oil-to-water ratios between 1:71,000 (v/v) and 1:500 (v/v). We monitored changes in the composition of various petroleum hydrocarbons (PHCs), including n -alkanes, polycyclic aromatic hydrocarbons (PAHs), and oil biomarkers in dilbit over time, as it naturally weathered for 70 days. Depletion rate constants ( k D ) of n -alkanes and PAHs ranged from 0.0009 to 0.41 d –1 and 0.0008 to 0.38 d –1, respectively. There was no significant relationship between k D and spill volume, suggesting that spill size did not influence the depletion of petroleum hydrocarbons from the slick. Diagnostic ratios calculated from concentrations of n -alkanes, isoprenoids, and PAHs indicated that evaporation and photooxidation were major processes contributing to dilbit weathering, whereas dissolution and biodegradation were less important. These results demonstrate the usefulness of large scale field studies carried out under realistic environmental conditions to elucidate the role of different weathering processes following a dilbit spill.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».