Conceptual Models for CO<sub>2</sub> Release and Risk Assessment: a Review
Notice bibliographique
Résumé
Carbon capture and storage (CCS) is a technology for mitigating the contribution of fossil fuel emissions to global warming. The technology is based on capturing carbon dioxide (CO2) from point sources and storing it in geological formations in such a way that is does not enter the atmosphere. CCS requires the transport of CO2 from source to sink. This can involve one or a combination of transport media: truck, train, ship or pipeline. Transport by pipeline is the preferred option for transporting large quantities of CO2 over long distances. The majority of CO2 pipelines are in the USA and Canada, along with substantial in-field pipework for Enhanced Oil Recovery (EOR) projects (Kelliher et al, 2009, Kadnar, 2008). The USA experience cannot be easily applied to other regions or situations, because the CO2 pipelines are located in areas with low population density. In general, as stated in the report of the IPCC on CCS (IPCC, 2005), there is a lack of knowledge regarding the safety of pipeline transmission of CO2 in densely populated areas. The aim of this paper is to review the current state of the art in the analysis of risk for CO2 transport by pipeline. A brief review is presented of current models for CO2 release, the assessment of impact from such release, and overall risk analysis. For a simple case study, a comparative analysis is presented of alternative models for the calculation of consequences. This comparison indicates that different assumption models and software lead to important differences in the calculation of consequences. One of the problems is the difficulty in comparing and assessing results due to lack of experimental data. Key unresolved problems and some directions for research needed are identified.
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 | 0,001 | 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».