A Demonstrated Reconciliation of Top-Down and Bottom-Up Methane Measurements to Derive Verified Emission Intensities
Notice bibliographique
Résumé
Oil and gas companies striving to attain the OGMP2.0 “Gold Standard” for methane Measurement, Reporting, and Verification (MRV) are required to find and measure individual methane sources across all their operating assets, and in particular, to verify total emissions using an independent "top-down" measurement. The process of comparing source-level and top-down measurements is termed “reconciliation” and is an essential part of meeting the “Gold Standard”. However, to date, there is no prescriptive OGMP 2.0 protocol on how to reconcile site and source-level measurements, and there are key knowledge gaps regarding calculation methods, required sample sizes, and uncertainty protocols.This study demonstrates a novel framework for reconciling on site source measurements with independent source-resolved aerial survey data to derive corporate methane emissions and intensity data sufficient to meet or exceed the OGMP 2.0 Gold Standard certification requirements. Critically, the protocol allows for direct analysis of measurement uncertainties. In partnership with an oil and gas producer operating in Canada, a source-level inventory is first created based on extensive ground measurements and company-specific emission factors. Independent source-resolved measurements, covering 100% of the company’s operating assets, are then conducted using Bridger Photonics Inc.’s Gas-Mapping LiDAR (GML). Multi-pass aerial data are analyzed using detailed probability of detection models, which consider the conditions of each pass, and integrated with the bottom-up data to account for unmeasured sources. The result is a comprehensive, verified inventory of total methane emissions for the company. As part of this demonstration, the analysis is repeated using up to four independent aerial surveys, providing real-world insights to the importance of temporal variability in emissions and its influence on required sample sizes for accurate reconciliation. The results have important implications for creating MRV protocols that ensure reported emissions adequately represent the variable nature of emissions, particularly when sample sizes are small because measurements are limited to assets from a single operator as is the case under OGMP2.0 reporting.
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 | 0,028 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».