Pipeline routing challenges for upstream PNG LNG project*
Notice bibliographique
Résumé
The Kikori Basin in Papua New Guinea is the host environment for the gas production and onland transport facilities for ExxonMobil’s PNG LNG. The remoteness of the basin, its vast expanses of intact primary tropical forest, ruggedness, varied and low density population, and the localised impacts of the existing oil and gas industry provided considerable environmental and social challenges to routing and siting of project facilities and infrastructure. Meeting the project’s demanding permitting schedule, while retaining flexibility in design scope for contractor execution, necessitated that the routing process advance at two scales. One was a broad scale that settled a route for project environmental impact assessment using data at the scale of existing regional mapping supplemented by rapid assessment field surveys on the ground; and another a fine scale using pre-construction surveys to identify small-scale constraints to be avoided by tactical routing at a local scale of tens or hundreds of metres for environmental management planning. Reducing potential impacts on the environment was a project priority and the routing process used was integral to this. The approach allowed the project to overcome ubiquitous high value environmental constraints under the scrutiny of project lenders focussed on satisfying industry’s international good practice environmental and social guidelines. This paper will expand on the routing process, including the methods used and key players. The lessons will provide valuable awareness of issues and hurdles to be overcome for other companies intent on developing future oil and gas developments in Papua New Guinea and similar difficult geographies.
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 | 0,000 | 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) | 0,000 | 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 ».