MétaCan
Menu
← Retour à la cohorte
Enregistrement W3111963277 · doi:10.5194/egusphere-egu2020-16633

Characterization of methane emissions from oil and gas production in Mexico: Linking measurements to mitigation

2020· article· en· W3111963277 sur OpenAlexaboutno aff
Daniel Zavala‐Araiza, Mark Omara, Ritesh Gautam, M. L. Smith, Stephen Conley, Sudhanshu Pandey, Sander Houweling, Ilse Aben

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMethaneEnvironmental scienceGreenhouse gasMethane emissionsPrioritizationFossil fuelEnvironmental engineeringChemistryBusinessWaste managementEngineeringOceanography

Résumé

récupéré en direct d'OpenAlex

A wide body of research has characterized methane emissions from the oil and gas supply chain in the US, with recent efforts gaining traction in Canada and Europe. In contrast, empirical data is limited for other significant oil and gas producing regions across the global south. Consequently, measuring and characterizing methane emissions across global oil and gas operations is crucial to the design of effective mitigation strategies. Several countries have announced pledges to reduce methane emissions from this sector (e.g., North America, Climate and Clean Air Coalition [CCAC] ministers). In the case of Mexico, the federal government recently published regulations supporting a 40-45% reduction of methane emissions from oil and gas. For these regulations to be effective, it is critical to understand the current methane emission patterns. We present results from multi-scale empirical estimates of methane emissions from Mexico’s major oil and gas production regions (both offshore and onshore), based on a set of airborne-based measurement campaigns, analysis of satellite data (TROPOMI), and development of spatially explicit inventories. Our results provide a revised estimate of total emissions in the sampled regions and highlight the importance of empirically based characterization as a basis for prioritization in terms of emission reduction opportunities. Finally, we highlight how these measurements –as well as similar policy-relevant studies- connect into action, based on the current needs from relevant stakeholders (e.g., inventory builders, regulators and industry).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,082
Score d'incertitude au seuil0,162

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,019
Tête enseignante GPT0,212
Écart entre enseignants0,194 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAtmospheric and Environmental Gas Dynamics→Travaux en français237 207→