Monitoring of Unlit Flares using Sentinel-2: A Global Emissions Inventory for 2021 
Notice bibliographique
Résumé
<div> <div> <div> <p>Immediate-term reductions of methane emissions are widely seen as a critical step toward holding global warming below 1.5–2°C. The oil and gas sector is a dominant source of anthropogenic methane emissions and numerous stakeholders have implicated gas flaring at upstream production sites as a key source to mitigate. Flaring is the process whereby OG producers destroy spurious yet significant volumes of methane-rich natural gas via open-air combustion. During their lifetime, gas flares may intermittently become extinguished in which case the flare, which generally reduces greenhouse gas emissions by converting methane to carbon dioxide, effectively becomes a direct vent of methane to atmosphere. Recently, ground-, air-, and satellite-based instruments have identified a troubling regularity with which these so-called unlit flares may exist in some jurisdictions. Unlit flares may genuinely be accidental – resulting from equipment malfunctions, extreme wind conditions, or unpredictable emergency scenarios – or deliberate – to support maintenance operations, due to poor operating practices, or to obscure volumes of flared gas. Regardless of intent, the frequency with which flares are unlit and, critically, the global scale of the associated methane emissions are poorly understood.</p> <p>In this work, publicly available imagery data from the multispectral instrument on-board the Sentinel-2 satellites are leveraged to develop a global emissions inventory for unlit flaring during 2021. Sentinel-2 data are processed with published methane retrieval algorithms and a novel plume detection algorithm to identify and estimate emission rates of detected unlit flares. Detected emissions are subsequently considered in the context of <em>scene-specific</em> probabilities of detection, which permits extrapolation of available data to infer a first-ever global emissions inventory for unlit flares. A Monte Carlo analysis is used to robustly characterize uncertainties of this approach.</p> </div> </div> </div>
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 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 tête enseignante, 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 ».