Flare Pollution Loads and Carbon-Dioxide Effect on Rainwater Acidity in Niger-Delta: A Review, Investigation and Model for Safe Living Quarter
Notice bibliographique
Résumé
Carbon-dioxide does not only affect climate change, but also contribute tremendously in acidification of rain water. Hazard identification and risk assessment are fundamental components of effective risk management, specifically in sensitive areas where adverse effects can have significant consequences. This study provides novel methodology for environmental and safety assessment of flared gases in sensitive areas such as residential homes. Distancing Sampling Technique (DST) was used to investigate the sensitivity of rain water pH at distances away from flare site in order to develop a Risk Management Model for sensitive regions. First, a review on rain water acidity was made around flaring and non-flaring areas in Niger-Delta states, which revealed Moderate-High acidity effect around flaring zones and no effect on non-flaring zone. Secondly, Flared Gas Quantification, pH Experimental Evaluation (PEE) and Risk Assessment Matrix (RAM) were the three systematic approaches used respectively to quantify, measure and evaluate the effects of CO2 and other flare pollutants around the area of study. An average of 809,300,000 Mscf of associated petroleum gases were flared around the oil and gas producing areas in Delta State, causing a release of around 43x106 tons of CO2 from 2012-2022. Experimental results showed the range of pH from 4.56 ± 0.06 to 5.10 ± 0.06 for the 33 samples of harvested rainwater in Kwale community, Delta state causing a deviation of 16.38 to 30.05% from standard. The developed and validated model suggests 4.81KM radius as the safe distance for human habitation from flare sites. Based on these findings, carbon-capture and sequestration projects must be activated in Niger-Delta to curb the menace.
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 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».