MétaCan
Menu
Retour à la cohorte
Enregistrement W3197120246 · doi:10.18280/ijdne.160407

Modeling of SO2 and CH4 Emission Distribution in the Area Mataloko Geothermal Power Plant, East Nusa Tenggara, Indonesia

2021· article· en· W3197120246 sur OpenAlexvenueno aff
Sulaiman Abdullah, Sumarno Sumarno, Amin Setyo Leksono, Sudarto Sudarto, Sudirman Syam

Notice bibliographique

RevueInternational Journal of Design & Nature and Ecodynamics · 2021
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeological and Geophysical Studies
Établissements canadiensnon disponible
Organismes subventionnairesLembaga Pengelola Dana Pendidikan
Mots-clésGeothermal gradientEnvironmental scienceGeothermal powerVolcanoPower stationWind speedAir quality indexEnvironmental engineeringThermal power stationExhaust gasHydrology (agriculture)Waste managementMeteorologyEngineeringGeologyGeothermal energyGeographyGeochemistryGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

The Mataloko geothermal system in Ngada-Flores Regency, East Nusa Tenggara, is located in three active volcanic mountains (Inerie, Ebulobo, and Inielika). The contribution of high levels of CH4 and exhaust emissions of SO2 due to its utilization as a geothermal power plant (GPP) impacts the environment. This study aims to analyze and spatially model the distribution and impact of SO2 and CH4 gas levels in the Mataloko GPP area. The quantitative descriptive method was used through direct measurement at gas wells and laboratory testing. The results showed a tendency to increase SO2 levels in the MT-4 gas-well with levels of 8.00 ppm exceeding the quality standard, which could disturb the environment in the Mataloko-GPP area. Impact of high SO2 will experience dry sediment because it is not combustible in the air, then it will drop slowly to be absorbed by soil and plants. Droplets of acid gas blown by the wind and left on trees and buildings are even inhaled into the breath. In addition, the advantages of model with surfer 12 software can help identify the distribution of SO2 and SO4 emissions in the generating area.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,195
Score d'incertitude au seuil0,175

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,012
Tête enseignante GPT0,207
Écart entre enseignants0,195 · 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'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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Design & Nature and EcodynamicsMême sujetGeological and Geophysical StudiesTravaux en français237 207