Application of satellite-based sulfur dioxide observations to support the cleantech sector: Detecting emission reduction from copper smelters
Notice bibliographique
Résumé
In this study, we present the result of the application of space-based sulfur dioxide (SO2) observations to evaluate the efficacy of cleantech solutions in reducing air polluting emissions from metal smelting. We analyze the Ozone Monitoring Instrument (OMI) satellite-based SO2 observations over Tsumeb (Namibia) and Bor (Serbia) copper smelters, where two sulfur-capture plants, designed to transform gaseous SO2 emissions into sulfuric acid, were implemented in 2015. We observe a reduction in the annual SO2 emissions by up to 90% after 2015 at both smelters, as a result of the implementation of the sulfuric acid plants. The OMI-based emission estimates are mostly in line with those reported at facility-level and reproduce the same year-to-year variability. This variability is driven by the changes in the copper production, the sulfur-to-copper ratio and by the technology employed to reduce the SO2 emissions. OMI observations are directly used by the company operating the sulfuric acid plants to confirm the efficacy of the employed technology using independent satellite-based observations. The results demonstrate how satellite-based observations are able to detect relative changes in SO2 emissions and can be used to verify and complete existing emission informations. The approach presented here can be applied to other sources on global scale to support cleantech companies as well as decision-makers involved in environmental policies and sustainable development.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».