Aircraft and satellite observations reveal historical gap between top–down and bottom–up CO2 emissions from Canadian oil sands
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Measurement-based estimates of greenhouse gas (GHG) emissions from complex industrial operations are challenging to obtain, but serve as an important, independent check on inventory-reported emissions. Such top–down estimates, while important for oil and gas (O&G) emissions globally, are particularly relevant for Canadian oil sands (OS) operations, which represent the largest O&G contributor to national GHG emissions. We present a multifaceted top–down approach for estimating CO2 emissions that combines aircraft-measured CO2/NOx emission ratios (ERs) with inventory and satellite-derived NOx emissions from Ozone Monitoring Instrument (OMI) and TROPOspheric Ozone Monitoring Instrument (TROPOMI) and apply it to the Athabasca Oil Sands Region (AOSR) in Alberta, Canada. Historical CO2 emissions were reconstructed for the surface mining region, and average top–down estimates were found to be >65% higher than facility-reported, bottom–up estimates from 2005 to 2020. Higher top–down vs. bottom–up emissions estimates were also consistently obtained for individual surface mining and in situ extraction facilities, which represent a growing category of energy-intensive OS operations. Although the magnitudes of the measured discrepancies vary between facilities, they combine such that the observed reporting gap for total AOSR emissions is ≥(31 ± 8) Mt for each of the last 3 years (2018–2020). This potential underestimation is large and broadly highlights the importance of continued review and refinement of bottom–up estimation methodologies and inventories. The ER method herein offers a powerful approach for upscaling measured facility-level or regional fossil fuel CO2 emissions by taking advantage of satellite remote sensing observations.
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.
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 | 0,000 |
| 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 découle