Accuracy of satellite-derived estimates of flaring volume for offshore oil and gas operations in nine countries
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Flaring of natural gas contributes to climate change and wastes a potentially valuable energy resource. Various groups have estimated flaring volumes via remote sensing by nighttime detection of flares using multi-spectral imaging. However, only limited efforts have been made to independently assess the accuracy of these estimation methods. I analyze the accuracy of the VIIRS Nightfire published flare detection results, comparing yearly estimated flaring rates to reported flaring data from governments in 9 countries (Brazil, Canada, Denmark, Mexico, Netherlands, Nigeria, Norway, USA, UK) and 7 years (2012–2018 inclusive). We analyze only flares occurring at offshore oil and gas production platforms and floating production units. A total of 1054 flare volume estimates were compared to volumes reported to government agencies. 80.8% of flare estimates lie within 0.5 orders of magnitude (OM) of reported volumes, which 93.7% fall within 1 OM of the reported volume. Little systematic bias is found except in the smallest size classes (<10 6 m 3 y −1 ). Relative error ratios are larger for smaller flares. No significant trend was observed across years, and variation by country is in line with that expected by size distribution of flares by country. Wide aggregate estimates for groups of flares will exhibit little bias and dispersion, with the sum of 1000 flares having an expected interquartile range of −6% to +3% of actual reported volumes. Social media blurb: Test of remote sensing for flare detection shows accuracy across 9 countries and 8 years.
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.
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 | 0,000 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 découle