Combined experimental interpretation and numerical investigation of the impact of fluid alkalinity on basalt carbonation during CO 2 storage
Notice bibliographique
Résumé
Various recent studies have shown that basalt formations have the capacity for long-term secure CO 2 storage through carbon mineralization. Many of these studies have demonstrated extremely rapid rates of mineralization, but the underlying mechanism enabling these elevated reaction rates, and their relation to the processes occurring in proposed basaltic reservoirs, remain poorly constrained. In this work, a 3D micro-continuum reactive transport model was designed to investigate the impact of alkalinity on basalt interactions with CO 2 -rich fluids. Reactive transport models were developed in PFLOTRAN based on 3D imaging data from high-temperature, high-pressure flow-through experiments (Luhmann et al. (2017) Chemical Geology, Water Resources Research). Mineral reactive surface areas in the model were adjusted to produce agreement with chemistry of output fluids sampled during the experiments. The benchmarked model showed that no considerable carbonate was formed during interaction with the relatively low alkalinity, low pH solutions, regardless of the enrichment of basalt-derived Na + , Mg 2+ , and Fe 2+ ions in the reactant fluid. Increasing the alkalinity of the injected fluids consistently yielded higher rates of carbon mineralization. Similarly, introducing a small initial volume fraction of carbonate minerals into the system contributed to increased carbon mineralization, because of the increased fluid alkalinity. These results thus reinforce a conceptual understanding of carbonate mineralization in basalt-hosted CO 2 storage reservoirs that emphasizes the importance of aquifer fluid alkalinity, and caution against extrapolating results from elevated-alkalinity CO 2 storage reservoirs and experiments to others where this is less likely to be representative.
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 | 0,001 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».