MétaCan
Menu
← Retour à la cohorte
Enregistrement W4392651371 · doi:10.5194/egusphere-egu24-20389

Aerial Survey Sample Size Requirements for Robust Methane Inventories in the Upstream Oil and Gas Industry

2024· preprint· en· W4392651371 sur OpenAlexaffabout
Matthew R. Johnson, Bradley Conrad, David R. Tyner

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
Thématique3D Surveying and Cultural Heritage
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésUpstream (networking)MethanePetroleum industrySample (material)Gas industryEnvironmental sciencePetroleum engineeringMethane gasFossil fuelAerial surveyNatural gasEngineeringGeographyWaste managementEnvironmental engineeringChemistryRemote sensingTelecommunications

Résumé

récupéré en direct d'OpenAlex

Accurate and frequent measurement-based inventories of methane emissions from the upstream oil and gas (UOG) industry are crucial to developing and implementing effective regulations and achieving sustainable mitigation. Recent advances in the analysis of large-scale survey data have enabled measurement-based basin/jurisdiction-level methane inventories from remote surveys of UOG infrastructure. Treating like facility or well types as strata within a larger sample and leveraging analytics that consider measurement uncertainties, probabilities of detection, empirical (non-smooth) source distributions, and sample size effects, specific conclusions can be derived in the context of measurement sensitivities and uncertainties. These analyses provide useful insights to regulators and industry, including but not limited to the individual contributions of equipment types to overall methane emissions. However, a priori design and optimization of surveys to cost-effectively derive measurement-based inventories and ensure survey coverage can achieve acceptable levels of uncertainty remains a key challenge. Here, we present an analysis of data from extensive aerial LiDAR and ground-based surveys of UOG facilities in Western Canada to provide much-needed guidance on source- and facility-specific sampling protocols for the UOG industry. Insights into the temporal intermittency and variability of source rate magnitudes are derived using a statistically robust method that considers the quantification accuracy and probability of detection function of the aerial instrument. Results provide important context regarding the required survey coverage of aerially detectable sources (greater than approximately 1 kg/h) to support the development of accurate inventories, defensible frequencies of regulated inspections, and alternative leak detection and repair programs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,071
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,071
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,118
Tête enseignante GPT0,295
Écart entre enseignants0,177 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujet3D Surveying and Cultural Heritage→Travaux en français237 207→