Verification and validation of an in-ice oil spill trajectory model based on satellite-derived ice drift data
Notice bibliographique
Résumé
A future increase in hydrocarbon exploration and development activities driven by the probable existence of hydrocarbon reserves and an expected increase in shipping activities due to less severe ice conditions, pose a risk of potential oil spills in the offshore Arctic. Estimating oil spill trajectories is essential in quantifying risks and planning an effective spill response. An in-ice spill trajectory modelling, analysis and visualization tool suitable for spills in highly ice-infested waters has been previously developed at NRC. The source data is historical satellite-derived ice drift. The model has been enhanced by including time dependent land-fast ice extent to better estimate coastal spill trajectories. Two hypothetical in-ice spill scenarios in the Canadian Beaufort Sea were modelled based on 34 years of ice velocity data. In four months starting in November, a deep water spill in ice could travel over 700 km, while for a shallow water spill in ice, the travel distance could exceed 400 km. Depending on how fast an in-ice spill could be cleaned, both investigated deep water and shallow water spills could be an international issue, particularly the deep water spill scenario. Present model results were compared with an observed in-ice spill trajectory in the Barents Sea. Because of an underestimation of ice speeds in the input satellite-derived ice drift dataset, the present model underestimates the extent of the trajectory. However, the model estimated the trajectory of an observed buoy well. Present model results were also compared with an independent numerical study of oil spills in the Beaufort Sea. Coastward motions of an in-ice spill are found to be generally similar, however, along the coast, motions deviate after a certain time in the modelled period. Both models are based on data that are expected to be less accurate in the nearshore zone. We did not investigate what caused this deviation or whether the present model or the independent study is a better representation of reality.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».