Optimizing Methane Emission Source Localization in Oil and Gas Facilities Using Lagrangian Stochastic Models and Gradient-Based Detection Tools
Notice bibliographique
Résumé
Abstract. Oil and gas facilities are responsible for approximately 35 % of global emissions of methane (CH4), a potent greenhouse gas, posing significant environmental and regulatory challenges. While Continuous Emission Monitoring Systems (CEMS) are widely implemented to track real-time emissions, their effectiveness in localizing specific CH4 emission sources remains limited, particularly under complex environmental conditions. This study integrates CEMS technologies with a Lagrangian Stochastic Back-Trajectory Model, along with an automated Gradient Indicator (GI) tool to improve methane source localization accuracy in oil and gas settings. The model was then applied to a real-world gas distribution site to validate its performance in accurately localizing methane emissions under operational conditions. Using synthetic data simulations, we evaluated the performance of this integrated system under various atmospheric stability conditions, sensor-source height differences, and source proximity. Our results indicate that this combined approach significantly enhances localization performance, achieving a 90 % probability of detection (POD) within a 25–75 meter source-sensor distance under optimal conditions. However, detection performance varied across configurations, with false positive rates (FPF) ranging from 22 % to 86 %, and localization accuracy (LA) ranging from 14 % to 78 %, depending on atmospheric stability, source-sensor geometry, and height differences. The Localization Accuracy (LA) improves when sensor placements are exactly downwind of the emission sources (alignment). The system meets Canadian regulatory requirements for CEMS applications by maintaining localization accuracy above 90 % for unstable and slightly neutral atmospheric conditions, ensuring that emissions are correctly attributed. However, neutral atmospheric conditions and large height differentials between sensors and sources reduce localization accuracy, making optimized sensor configurations important. Findings of the research can be useful for upgrading CEMS systems and help them to overcome some difficulties from regulations associated with methane emission reporting and mitigation efforts.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».