Methods for Interpreting the Partitioning and Fate\nof Petroleum Hydrocarbons in a Sea Ice Environment
Notice bibliographique
Résumé
Decreases\nin Arctic Sea ice extent and thickness have led to more\nopen ice conditions, encouraging both shipping traffic and oil exploration\nwithin the northern Arctic. As a result, the increased potential for\naccidental releases of crude oil or fuel into the Arctic environment\nthreatens the pristine marine environment, its ecosystem, and local\ninhabitants. Thus, there is a need to develop a better understanding\nof oil behavior in a sea ice environment on a microscopic level. Computational\nquantum chemistry was used to simulate the effects of evaporation,\ndissolution, and partitioning within sea ice. Vapor pressures, solubilities,\noctanol–water partition coefficients, and molecular volumes\nwere calculated using quantum chemistry and thermodynamics for pure\nliquid solutes (oil constituents) of interest. These calculations\nincorporated experimentally measured temperatures and salinities taken\nthroughout an oil-in-ice mesocosm experiment conducted at the University\nof Manitoba in 2017. Their potential for interpreting the relative\nmovements of oil constituents was assessed. Our results suggest that\nthe relative movement of oil constituents is influenced by differences\nin physical properties. Lighter molecules showed a greater tendency\nto be controlled by brine advection processes due to their greater\nsolubility. Molecules which are more hydrophobic were found to concentrate\nin areas of lower salt concentration.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,041 | 0,000 |
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.
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».