MétaCan
Menu
← Retour à la cohorte
Enregistrement W4401542041 · doi:10.1021/acs.est.4c05169

Forecasting Photo-Dissolution for Future Oil Spills at Sea: Effects of Oil Properties and Composition

2024· article· en· W4401542041 sur OpenAlexfundno aff
Danielle Haas Freeman, Robert K. Nelson, Kali Pate, Christopher M. Reddy, Collin P. Ward

Notice bibliographique

RevueEnvironmental Science & Technology · 2024
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesFisheries and Oceans CanadaHunan Provincial Science and Technology DepartmentNational Science Foundation Graduate Research Fellowship ProgramWoods Hole Oceanographic InstitutionNational Science Foundation
Mots-clésEnvironmental scienceOil spillComposition (language)DissolutionPetroleum engineeringPetroleumEnvironmental chemistryEnvironmental engineeringGeologyChemistryEngineeringChemical engineering

Résumé

récupéré en direct d'OpenAlex

), resulting in faster rates for lighter crudes. However, photo-dissolution rates and importance to oil mass balance varied as a function of both reactivity and properties that govern slick thickness and light absorbance. Thicker slicks (∼1 mm) of light and heavy crudes produced more DOC by photo-dissolution compared to thin slicks due to higher rates of light absorbance. However, the mass lost from thin slicks (∼1 μm) was quantitatively relevant for calculations of oil mass balance, with a modeled ∼5% loss for a simplified, hypothetical spill after 1 day of sunlight exposure. The ULSFO was unusual in its exceptionally low photo-reactivity, suggesting distinct fates for this high-spill-risk product. The results show that photo-dissolution is a relevant fate process for a wide range of oil products and that it is controlled by oil properties and composition, making possible predictions of oil fate and effects for future spills at sea.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 Opus0,007
Tête enseignante GPT0,199
Écart entre enseignants0,192 · 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'étudeObservationnel
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & Technology→Même sujetPetroleum Processing and Analysis→Travaux en français237 207→