Methods and benefits of measuring non-hydrocarbon gases from surface casing vents
Notice bibliographique
Résumé
Abstract Surface casing vents divert natural gas migration along oil and gas boreholes to bypass groundwater, with the gas venting to the atmosphere. While this strategy is designed to protect groundwater, it constitutes a source of greenhouse gases to the atmosphere. In instances where gas leakage occurs, the characterization of the molecular and isotopic composition of natural gas emitted from surface casing vent flows can be used to assist in identifying the gas source. We compare concentration measurements of non-hydrocarbon gases (within natural gas) of samples analyzed by laboratory-based gas chromatography (N 2 , Ar, CO 2 and O 2 ) and magnetic sector noble gas mass spectrometry (He, Ar and Kr) with field measurements conducted using a field portable quadrupole mass spectrometer (miniRUEDI). The standard deviation of miniRUEDI concentration results was within plus/minus one standard deviation of samples measured using laboratory-based GC (N 2 , O 2 , Ar and He) and magnetic sector noble gas mass spectrometry (He, Ar). Additional laboratory-based determination of isotope ratios of methane and argon (δ 13 C CH4 , δ 2 H CH4 , and 40 Ar/ 36 Ar) enabled a comparison between information provided by the analysis of reactive gases compared with noble gas isotopes. Gases from different sources displayed quantifiable differences in δ 13 C CH4 and δ 2 H CH4 , but these changes may or may not be distinguished if only one sampling event is conducted. By comparison, 40 Ar/ 36 Ar further enabled the differentiation of various gas sources. The objective of this paper is to discuss the advantages and trade-offs of the three different analysis methods considered, and the feasibility of their application in different environmental monitoring scenarios.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».