First Investigation of Long-Term Methane Emissions from Wastewater Treatment Using Satellite Remote Sensing
Notice bibliographique
Résumé
Wastewater treatment (WWT) contributes 2–9% of global greenhouse gas (GHG) emissions. The noticeable uncertainty in emissions estimation is due in large part to the lack of measurement data. Several methods have recently been developed for monitoring fugitive GHG emissions from WWT. However, limited by the short duration of the monitoring, only “snapshot” data can be obtained, necessitating extrapolation of the limited data for estimating annual emissions. Extrapolation introduces substantial errors, as it fails to account for the spatial and temporal variations of fugitive emissions. This research evaluated the feasibility of studying the long-term CH4 emissions from WWT by analyzing high spatial resolution Sentinel-2 data. Satellite images of a WWT plant in Calgary, Canada, taken between 2019 and 2023, were processed to retrieve CH4 column concentration distributions. Digital image processing techniques were developed and used for extracting the time- and space-varying features of CH4 emissions, which revealed daily, monthly, seasonal, and annual variations. Emission hotspots were also identified and corroborated with ground-based measurements. Despite limitations due to atmospheric scattering, cloud cover, and sensor resolution, which affect precise ground-level concentration assessments, the findings reveal the dynamic nature of fugitive GHG emissions from WWT, indicating the need for continuous monitoring. The results also show the potential of utilizing satellite images for cost-effectively evaluating fugitive CH4 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) | 0,000 | 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 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 ».