Estimating oil sands emissions using horizontal path-integrated column measurements
Notice bibliographique
Résumé
Abstract. Improved technologies and approaches to reliably measure and quantify fugitive greenhouse gas emissions from oil sands operations are needed to accurately assess emissions and develop mitigation strategies that minimize the cost impact of future production. While several methods have been explored, the spatial and temporal heterogeneity of emissions from oil sand mines and tailings ponds suggests an ideal approach would continuously sample an area of interest with spatial and temporal resolution high enough to identify and apportion emissions to specific areas and locations within the measurement footprint. In this work we demonstrate a novel approach to estimating greenhouse gas emissions from oil sands tailings ponds and open-pit mines. The approach utilizes the GreenLITE™ gas concentration measurement system, which employs a laser-absorption-spectroscopy-based, open-path, integrated column measurement in conjunction with an inverse dispersion model to estimate methane (CH4) emission rates from an oil sands facility located in the Athabasca region of Alberta, Canada. The system was deployed for extended periods of time in the summer of 2019 and spring of 2020. CH4 emissions from a tailings pond were estimated to be 7.2 metric tons per day (t/d) for July–October 2019, and 5.1 t/d for March–July 2020. CH4 emissions from an open-pit mine were estimated to be 24.6 t/d for September–October 2019. Uncertainty in retrieved emission for the tailings pond in March–July 2020 is estimated to be 2.9 t/d. Descriptions of the measurement system, measurement campaigns, emission retrieval scheme, and emission results are provided.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».