Session 20. Oral Presentation for: Causal networks as a tool to assess environmental risk of CO2 leakage
Notice bibliographique
Résumé
Presented on 28 May 2025: Session 20 The role of carbon capture and storage (CCS) as a quantitatively significant emissions reduction tool for Australia and globally is acknowledged by many. One perceived challenge that CCS faces relates to the potential for adverse environmental impacts due to the risk of leakage. CSIRO has completed a study, commissioned by the International Energy Agency’s Greenhouse Gas R&D Programme (IEAGHG), using causal networks a framework allowing identification of steps which provide insight into cause-and-effect relationships. The network describes a series of drivers, activities and stressors that could be at play, generically speaking, during geological carbon storage together with processes that may arise if leakage were to occur where endpoints or impacts are described. An assessment of the risk, its likelihood and consequences are explained and supported by a range of peer-reviewed resources to illustrate actual impacts. Case studies, analogues and pilot tests have been instrumental in informing risks and consequences. The report demonstrates that while leakage (i.e. via compromised well bores or unforeseen geological conditions) could be material in rare circumstances, environmental impacts via pathways from stressors to endpoints (e.g. air quality, marine biodiversity) are low. If appropriate geological appraisal is conducted, the geological leakage risk remains low, and mitigation steps can be used to manage remaining risks and impacts of CCS. To access the Oral Presentation click the link below. To read the full paper click here
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) | 0,002 | 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 ».