Satellite-based surveys reveal substantial methane point-source emissions in major oil & gas basins of North America during 2022-2023
Notice bibliographique
Résumé
Utilizing imaging spectroscopy technology to identify methane super-emitters plays a vital role in mitigating methane emissions in the Oil & Gas (O&G) sector. While earlier research has uncovered significant point-source methane emissions from O&G production in the US and Canada, which are key regions with large methane emissions, a comprehensive post-COVID-19 survey has been notably absent. Here, we perform a detailed survey of methane super-emitters across multiple basins of North America (Marcellus Shale US, Haynesville/Bossier Shale US, Permian Delaware Tight US and Montney Play Canada) using the new Chinese Gaofen5-01A/02 (GF5-01A/02) satellite measurements during 2022-2023. We detect 48 extreme methane point-source emissions with flux rates of 646 to 16071 kg h−1. These emissions exhibit a highly skewed and heavy-tailed distribution, constituting approximately 30% of the total flux in sample region, with a range of 13% to 63%. Moreover, we observe a 66.7% reduction in methane emissions in Permian Delaware Tight region during COVID-19, followed by fluctuations until spring 2022. By summer 2023, methane emissions rebound to previous magnitude (0.66 ± 0.20 Tg a−1). Using these point-source surveys, we further quantify a regional methane emission of 1.08±0.02 Tg a-1 in Delaware subbasin. This estimation closely aligns with top-down inversions (0.86±0.03 Tg a-1) from TROPOMI. The upscale estimation underscores the effectiveness of high-resolution remote sensing measurements in improving bottom-up emissions inventories and refining regional methane emission assessments. Our results highlight the potential climate benefits derived from regular monitoring and specific remediation efforts focused on relatively few strong point-source emissions.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».