MétaCan
Menu
Retour à la cohorte
Enregistrement W2773373058 · doi:10.1021/acs.est.7b04498

Statistically Enhanced Model of In Situ Oil Sands Extraction Operations: An Evaluation of Variability in Greenhouse Gas Emissions

2017· article· en· W2773373058 sur OpenAlexaffabout
Andrea Orellana, Ian J. Laurenzi, Heather L. MacLean, Joule Bergerson

Notice bibliographique

RevueEnvironmental Science & Technology · 2017
Typearticle
Langueen
DomaineEnergy
ThématiqueGlobal Energy and Sustainability Research
Établissements canadiensUniversity of TorontoUniversity of Calgary
Organismes subventionnairesExxonMobil Research and Engineering Company
Mots-clésOil sandsAsphaltGreenhouse gasSteam-assisted gravity drainageEnvironmental scienceExtraction (chemistry)Life-cycle assessmentFossil fuelSynthetic crudeSteam injectionEnvironmental engineeringUnconventional oilPetroleum engineeringWaste managementProduction (economics)EngineeringGeologyChemistry

Résumé

récupéré en direct d'OpenAlex

Greenhouse gas (GHG) emissions associated with extraction of bitumen from oil sands can vary from project to project and over time. However, the nature and magnitude of this variability have yet to be incorporated into life cycle studies. We present a statistically enhanced life cycle based model (GHOST-SE) for assessing variability of GHG emissions associated with the extraction of bitumen using in situ techniques in Alberta, Canada. It employs publicly available, company-reported operating data, facilitating assessment of inter- and intraproject variability as well as the time evolution of GHG emissions from commercial in situ oil sands projects. We estimate the median GHG emissions associated with bitumen production via cyclic steam stimulation (CSS) to be 77 kg CO 2 eq/bbl bitumen (80% CI: 61–109 kg CO 2 eq/bbl), and via steam assisted gravity drainage (SAGD) to be 68 kg CO 2 eq/bbl bitumen (80% CI: 49–102 kg CO 2 eq/bbl). We also show that the median emissions intensity of Alberta’s CSS and SAGD projects have been relatively stable from 2000 to 2013, despite greater than 6-fold growth in production. Variability between projects is the single largest source of variability (driven in part by reservoir characteristics) but intraproject variability (e.g., startups, interruptions), is also important and must be considered in order to inform research or policy priorities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,373
Score d'incertitude au seuil0,760

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,336
Écart entre enseignants0,312 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetGlobal Energy and Sustainability ResearchTravaux en français237 207