UAV-based methodologies for quantifying methane emissions from point sources
Notice bibliographique
Résumé
Uncrewed aerial vehicles (UAVs) are increasingly becoming complementary monitoring tools in various scientific fields, particularly in atmospheric and climate science, as they are versatile, relatively cheap, and can provide data at various spatial scales. However, UAV-based methodologies are still in their early stages and require extensive effort to fully exploit the potential of UAVs. Accurate quantification of emission rates from point or localized sources, such as geologic seeps or oil and gas production sites, is important for understanding emission processes and mitigating climate change. Conventional greenhouse gas monitoring platforms (i.e., flux chambers and eddy-covariance towers) have a significant sampling gap as they struggle to provide the spatial extent needed to accurately estimate emission rates from point or localized sources. UAV platforms carrying greenhouse gas analyzers for CO2 and CH4, along with an anemometer to measure 2D wind speed, air temperature, humidity, and pressure, allow capturing the spatial extent of a plume originating from a point source, and therefore accurately quantify its source strength.The UAV platform employed for this study was used to sample a geological methane seep located in the Mackenzie Delta, Canada. Geological methane seeps can act as super emitters, releasing methane at rates significantly higher than typical biogenic sources; hence, accurate quantification of their emission rates is crucial to estimate the overall CH4 budget of the area. In July 2024, different flight strategies were tested to monitor point sources, including several curtain flights and a grid flight conducted at varying downwind distances from the seep. Using these flight data, the emission rate of the methane seep was quantified using two different methods: a mass-balance approach and a Gaussian plume inversion technique. The CH4 plume released from the seep showed concentrations about ten times higher than the atmospheric CH4 background levels, underscoring the significant potential impact of the geological seeps on the overall Arctic carbon budget.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».