PoMELO Passive Blind Test Results: Emissions detection and quantification
Notice bibliographique
Résumé
PoMELO Passive is a technology that combines vehicle-based pollution measurements from public roads with cloud-based software to: (i) detect emissions from oil and gas sites, and (ii) quantify emissions rates. Automated attribution and plume modeling algorithms provide results with little human intervention, facilitating large scale monitoring programs. PoMELO Passive is operationally deployed at the University of Calgary as part of its pan-Canadian methane monitoring program. To evaluate performance, the system underwent a blind test program assessing detection and quantification performance. Tests were administered by the Alberta Methane Emissions Program (AMEP) at the Carbon Management Canada Newell County Test Facility, near Brooks, Alberta, Canada from 23-27 September 2024. Tests were conducted in a blind configuration where release rates were blind to the University of Calgary. Detections and quantifications were produced by the Passive system, then reported to AMEP. Finally, real release rates were un-blinded, facilitating analysis and reporting. Localization performance was not evaluated. Release rates varied from 0.0 g/s to 2.49 g/s CH4 and were metered with a mass flow controller prior to release from a single stack. A total of 190 independent single-release, single-pass experiments were performed. Detection results indicate that PoMELO Passive effectively detected 60% to 85% of the releases < 1 g/s, and 88% to 100% of the releases > 1 g/s. There were no false positive detections. Non-detects primarily occurred in situations with low wind speeds (< 3 m/s), suggesting detection was modulated by environmental conditions. Quantification results were assessed at the single- and multi-pass scales to simulate opportunistic and targeted sampling. Single-pass quantification results had little systematic bias, but some variability (linear model slope = 0.927, r2 = 0.70). Replicates of individual release rates were aggregated to assess quantification improvement with averaging multiple plume passes. Multi-pass results similarly had little systematic bias, but less variability (linear model slope = 1.05, r2 = 0.95). Broadly, PoMELO Passive can produce high quality data in a low-cost and highly scalable deployment model. However, data users require effective tools to carefully manage uncertainty and make full use of data in assimilation and analysis systems.
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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
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 ».