MétaCan
Menu
Retour à la cohorte
Enregistrement W4205268663 · doi:10.2118/208597-pa

Low-Cost Sensors Provide Insight into Temporal Variation in Fugitive Methane Gas Concentrations Around an Energy Well

2022· article· en· W4205268663 sur OpenAlexaff
Neil A. Fleming, Tiago A. Morais, M. Cathryn Ryan

Notice bibliographique

RevueSPE Journal · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésCasingMethaneEnvironmental scienceSoil scienceHydrology (agriculture)Fossil fuelMoistureWater tableSoil gasGroundwaterAtmospheric sciencesGeologyChemistrySoil waterPetroleum engineeringGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Summary Effective measurement of the presence and rate of methane gas migration (GM) outside the casing of energy wells is important for managing social and environmental impacts and financial liabilities in the upstream petroleum industry. Practitioners typically assess GM by above-background methane gas concentrations in-soil or at-grade; however, factors influencing the potential variation in these measurements are not well represented in industry-recommended best practices. Inexpensive chemoresistive sensors were used to record a 1-minute frequency methane gas concentration time series over 19 days. Time series were recorded at three soil depths (0, 5, and 30 cm) at two locations <30 mcm radially from a petroleum well with known GM, in addition to two “control” locations. Observed concentration variations ranged over several orders of magnitude at all depths, with generally lower concentrations and more variation observed at shallower depths. Varying concentrations were correlated to meteorological factors, primarily including wind speed and shallow groundwater table elevation. The gas concentration patterns were affected by a 3.5-mm rainfall event, suggesting soil moisture changes affected preferential GM pathways. Results indicate potential variability in repeated snapshot GM test results. Although, currently recommended GM detection methods would have effectively identified the presence/absence of GM, they would not have quantified the order of magnitude changes in concentration. GM detection success at this site was increased with measurement at more than one location spatially within 30 cm of the well casing, lower concentration detection limits, and greater measurement depth. These findings indicate that meteorological factors should be considered when conducting GM surveys (particularly for improving at-grade test reliability). The low-cost approach for long-term concentration measurement facilitates insight into variable gas concentrations and may be advantageous in comparison to snapshot measurements in some circumstances.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,409
Score d'incertitude au seuil0,997

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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,007
Tête enseignante GPT0,211
Écart entre enseignants0,204 · 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.

Devis d'étudeSimulation ou modélisation
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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE JournalMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207