MétaCan
Menu
Retour à la cohorte
Enregistrement W4401242701 · doi:10.1139/as-2024-0019

Longyearbyen CO<sub>2</sub> lab project—from a vision of a CO<sub>2</sub>-neutral Svalbard to a geoscience data eldorado

2024· article· en· W4401242701 sur OpenAlexvenueno aff
Kim Senger, Peter Betlem, Alvar Braathen, Snorre Olaussen, Gunnar Sand

Notice bibliographique

RevueArctic Science · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesNorges Forskningsråd
Mots-clésEarth scienceEnvironmental scienceGeology

Résumé

récupéré en direct d'OpenAlex

The Longyearbyen CO 2 lab project was initiated in 2006 by the University Centre in Svalbard (UNIS) to establish whether subsurface storage of locally produced CO 2 is feasible. Over a decade of drilling operations and geoscientific research concluded that the subsurface was suitable for storing the CO 2 generated from the local power plant. The geological ingredients for successful CO 2 storage are in place, comprising a ca. 300 m thick, sandstone-dominated reservoir rock capped by an impermeable mudstone-dominated succession. No CO 2 was ever injected for storage in Svalbard for economic and political reasons. However, the project generated a wealth of new data, some of which proved critical for studies related to CO 2 storage elsewhere. The data were also key to the characterization of fluid flow and geothermal potential in Svalbard, deciphering past climatic changes, unravelling past tectonic events, some of relevance for understanding the plate tectonic evolution of the Arctic, as well as updating the global geological timescale. In this contribution, we briefly outline the history and main achievements of the Longyearbyen CO 2 lab project, before describing, categorizing and openly sharing the publicly available data from the project, including peer-reviewed publications (123 so far) and theses (18 PhD and 34 MSc).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,538
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,003
Communication savante0,0000,002
Science ouverte0,0030,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,017
Tête enseignante GPT0,274
Écart entre enseignants0,258 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArctic ScienceMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207