Alkalinity Constraints on Basalt Carbonation for Permanent CO2 Storage
Notice bibliographique
Résumé
Basalt carbonation has gained traction as a key technology for avoiding the worst consequences of human-driven climate change. However, our understanding of this method’s promise is likely inflated by the specialized conditions used in many of the most well-known laboratory studies and demonstration projects. For technological, hydrogeologic, and energetic simplicity, many basalt CO2 storage projects will likely inject supercritical, not dissolved, CO2. Thus, fluids in these systems are likely to have low alkalinity and low pH, in contrast to many experimental and demonstration studies. Here, we present a series of geochemical models that explore the dependence of carbon mineralization efficiency on alkalinity and therefore pH at conditions relevant to these proposed operations. We modelled the interaction of basalt with CO2 enriched, seawater-derived aquifer fluid with varying initial alkalinities at 60°C using a custom thermodynamic database incorporating updated thermodynamic data for relevant primary and secondary minerals. The results reinforce the notion that alkalinity is an important driver for carbonate precipitation, ultimately because carbonate minerals are up to an order of magnitude more soluble at pH <5 than they are at pH >6. Alkalinity increases of 5 to 10% proportionally increase carbonate precipitation in the models. Our results thus demonstrate that the elevated alkalinity found in many of the most well-known basalt carbonation studies yield disproportionately high rates of carbon mineralization, which, in turn, frames basalt carbonation as an extremely rapid and exceptionally effective CO2 storage method. Although supercritical CO2 injection operations such as those we explore here are likely to achieve high fractions of CO2 mineralization over their lifetimes, this will likely take considerably longer and potentially be ultimately less effective, due to sluggish rates of CO2 dissolution and alkalinity generation.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».