Onshore methane emissions measurements from the oil and gas industry: a scoping review
Notice bibliographique
Résumé
Abstract Research on methane (CH4) emissions from the oil and gas (O&G) industry informs policies, regulations, and international initiatives that target reductions. However, there has been little integration and synthesis of the literature to document the state of knowledge, identify gaps, and determine key insights that can guide research priorities and mitigation. To address this, we performed a scoping review of 237 English-language peer-reviewed articles on CH4 emissions from onshore O&G sources, charting data on five research themes: publication trends, geography, measurement levels and methods, emissions sources, and emissions rates. Almost all articles (98%) were published between 2012 and 2022 with an increasing publication rate, indicating a nascent and evolving understanding of the science. Most articles (72%) focused on CH4 emissions from the U.S. O&G industry and were written by U.S.-based authors (69%), while other major O&G-producing countries like Saudi Arabia, Russia, and China were under-represented. Upstream was the most frequently studied supply chain segment, where U.S.-focused articles accounted for 75% of the research. Nearly half the articles (43%) included in the review reported site-level measurements, limiting the identification of equipment- and component-level emissions sources and root cause. Articles that measured or identified equipment-level sources (18%) noted high emissions from tanks, unlit flares, and compressors. The most common stand-off measurement platforms were vehicles and aircraft, while the use of satellites increased in articles published since 2019. Reported emissions profiles were consistently heavy-tailed and indicate method-based and geographic differences in magnitude and skew. All articles (n = 26) that compared inventory- to measurement-based estimates of emissions found large discrepancies in that inventories under-estimated the latter by a factor of 1.2–10 times. We recommend future research focus on: (i) field-based emissions studies for under-represented regions and source categories, (ii) identifying root causes and linking measurements to mitigation, and (iii) multi-level measurement integration.
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 | 0,014 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,022 | 0,020 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».