Comparison of Three Different Landfill Surface Methane Mapping Techniques: Lessons Learned and Policy Implications
Notice bibliographique
Résumé
Three different landfill methane surface emissions monitoring (SEM) techniques were compared at active and inactive landfills and in separate controlled release tests. The deployed SEM techniques included traditional walking surveys with a human operator equipped with a portable methane concentration analyzer with a sampling pump, the drone-based equivalent of this traditional survey where the methane analyzer is instead mounted to a drone and a long sampling tube drags on the landfill surface, as well as a recently introduced laser-based sensor that mounts beneath a drone and measures path-integrated methane concentration between the drone and the ground. Both drone-based solutions have received commercial interest as they address safety concerns with humans traversing challenging terrain on foot, and can increase the area covered by the survey, especially with the path-integrated sensor which can probe landfill areas with active machinery. Testing at landfill sites showed that while the drone-mounted, downward-facing laser was the easiest solution to implement in the field, it was also the least effective at identifying hotspots. Although the walking survey and drone-based equivalent produced generally comparable hotspot mappings, the latter was faster to implement and also gave the cleanest and most repeatable indication of hotspots. However, critically, results of the controlled release tests revealed poor correlation between methane surface concentration and emission rate for all techniques. Additionally, parameters such as drone flight speed and the response time of the gas analyzer will affect the absolute magnitude of collected methane concentrations. This is problematic for the likely success and efficiency of current and proposed regulations that require mitigation action based on specific volume fraction (concentration) thresholds such as 500 ppm. Based on these results we recommend that site-total emission quantification techniques should be prioritised in both research and regulations, such that problematic landfills can properly be prioritise for action, which can then be supported by SEM data to identify where on the landfill the emissions are occurring.
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 | 0,013 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».