MétaCan
Menu
Retour à la cohorte
Enregistrement W4403342047 · doi:10.53555/sfs.v10i1.3050

The Impacts Of The Oil Industry Development On The Soil Pollution, A Case Study Fula And Jake Oil Fields In Western Kordofan State, Sudan

2023· article· en· W4403342047 sur OpenAlexvenueno aff
Adam Abdelsamad

Notice bibliographique

RevueJournal of Survey in Fisheries Sciences · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTransboundary Water Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOil pollutionPetroleum industryPollutionEnvironmental scienceGeologyEnvironmental protectionEnvironmental engineeringEcology

Résumé

récupéré en direct d'OpenAlex

Over the decades, the oil industry's development has had significant impacts on the natural environment, including soil. This study aims to investigate the impact of the development of the oil industry on soil pollution in the Fula and Jake oil fields in West Kordofan, Sudan. To achieve this goal, the study used the results of laboratory tests conducted on soil samples, as well as the observation method, in addition to secondary data and studies related to soil pollution. The results of the study showed the presence of concentrations of hydrocarbons (TPH) with a total of 3044.72 tons of contaminated soil in the Fula field and a total of 15139.72 tons of contaminated soil in the Jake field, exceeding the recommended limit. Concentrations of heavy metals (Cd, Cr, Cu, Fe, Ni, Pb, and Zn) were also observed in soil samples in the Fula and Jake oil fields. These concentrations exceeded what is recommended by the World Health Organization, the Sudanese authorities, and the US Environmental Protection Agency, which indicates a risk to human health if this contaminated soil interacts with groundwater or surface water during the rainy season. The study recommended the necessity of activating government oversight of oil companies and conducting studies to detect any pollution or health risks that threaten the environment and negatively affect the health of animals, plants, and humans.

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)0,015
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,625
Score d'incertitude au seuil0,980

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0150,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,143
Tête enseignante GPT0,312
Écart entre enseignants0,169 · 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'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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Survey in Fisheries SciencesMême sujetTransboundary Water Resource ManagementTravaux en français237 207