A review of methane emissions source types, characteristics, rates, and mitigation effectiveness across U.S. and Canadian cities
Notice bibliographique
Résumé
Abstract Cities are major aggregated sources of methane (CH 4 ) emissions and can therefore play a role in mitigating climate warming. However, diverse, spatially distributed sources make characterizing urban CH 4 emissions challenging. A limited synthesis of existing research has hindered understanding of source characteristics and contributions, implicating research priorities, policies, and mitigation. This review consolidates findings from 106 peer-reviewed articles on CH 4 emissions in U.S. and Canadian cities, identifying key insights, gaps, and opportunities. We found that top-down (TD) estimates of city-scale CH 4 emissions from 34 studies exceeded, on average, bottom-up (BU) estimates by a factor of 3.9 (±6.7). Urban CH 4 footprints were dominated by sources from natural gas distribution and end-use and landfills. Across 11 U.S. studies, the estimated mean CH 4 loss rate from delivered natural gas corrected for CH 4 content in cities was 2.3% (±0.9%). TD estimates of CH 4 emissions from six U.S. landfills were, on average, 2.4 (±1.7) times greater than self-reported BU estimates. Preferred methods for reporting may miss large fugitive point sources, systematically underestimating landfill CH 4 emissions. The studies indicated that wastewater systems emit less CH 4 than landfills and natural gas sources, but the research remains limited, and many wastewater sources are poorly characterized. Mitigation effectiveness varied by source, with scalability a challenge for small, distributed sources such as sewers, and the confirmation of reductions sensitive to measurement scale. Overall, results highlight challenges in quantifying, attributing, and mitigating CH 4 emissions in urban settings. Key research priorities are: (i) expanding CH 4 measurements from urban natural gas (distribution and end-use) and wastewater sources, and granular investigations to pinpoint and understand the causes of emissions; (ii) new emissions data to improve BU models and integrate into BU estimates; (iii) improving measurement-model coupling for landfill CH 4 quantification; and (iv) evaluating mitigation strategies for urban CH 4 sources.
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 | 0,006 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,024 | 0,041 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».