Files used in a Monte Carlo analysis of oil spill risks in the Salish Sea
Notice bibliographique
Résumé
This dataset contains input files, configuration parameters, parameter statistics, and aggregated model outputs generated for a Monte Carlo analysis of oil spill risk in the Salish Sea. The dataset was used to develop thousands of hypothetical oil spill scenarios based on observed vessel movement patterns in 2018, recorded oil transfer operations in 2018, and historical spill data. It includes sets of 10,000 synthetic spill scenarios as well as underlying data sources used to generate the statistics from which spills were derived. The files are organized into folders that include: aggregated model output from a set of 10,000 spills, sets of spill scenarios generated by our method, YAML configuration files, gridded "Vessel Time Exposure" maps in GeoTIFF format, and annotated spreadsheets with information used to inform methodology. The dataset is the result of an interdisciplinary effort to more comprehensively represent oil spill risks in the coastal waters between Vancouver Island and the mainlands of British Columbia and Washington State. It reflects a detailed integration of vessel traffic data, empirical spill records, and operational infrastructure characteristics. Due to licensing constraints, AIS ship track data from SPIRE Maritime is excluded but referenced. Please see the companion articles “A statistical representation of oil spill fate in the Salish Sea (Parts 1 & 2)” published in Marine Pollution Bulletin (Mueller et al., 2025). Source code used for simulation and analysis is openly available on GitHub (https://github.com/MIDOSS/MuellerEtAl_MIDOSS_paper) and archived via Zenodo (https://doi.org/10.5281/zenodo.10939119).
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,053 | 0,028 |
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 ».