Investigating Spatial Patterns of Methane Concentration in Feedlots Using Moran’s Index and GIS Tools
Notice bibliographique
Résumé
Methane (CH4) emissions from beef feedlots contribute significantly to agricultural greenhouse gases. However, accurate, spatially resolved quantification of CH4under real-world conditions remains a challenge due to the variability of atmospheric transport and source distribution. This study integrates Uncrewed Aerial Vehicle (UAV) based CH4concentration measurements, spatial statistical analysis, and mass balance flux estimation to characterize feedlot CH4emissions and assess how atmospheric conditions influence measurement outcomes. High-resolution CH4concentration data were collected using a UAV-mounted CH4gas analyzer during two field days, with two flights conducted per day. Spatial patterns were evaluated using Moran’s Index (I) and kriging interpolation. A mass balance approach was used to estimate CH4flux (kg/h), incorporating CH4enhancement over background, wind speed, wind alignment (sin (θ)), and flight path geometry. A 30 m mixing height was applied as a conservative, uniform estimate across all flights. To assess the sensitivity of this assumption, emissions were recalculated using 100 m and 200 m heights. While total flux values increased with higher mixing heights, the relative ranking of emission magnitudes between flights remained consistent, demonstrating robustness of comparative results. Moran’s I values ranged from 0.343 to 0.483, indicating moderate spatial clustering of CH4concentrations. Kriging interpolation maps revealed localized CH4hotspots, influenced by wind speed and direction. Wind rose plots showed that plume visibility and dispersion were highly sensitive to prevailing wind conditions. Lower wind speeds (0.16-4 m/s) enabled clearer detection of near-source enhancements, while higher speeds resulted in more diluted plumes. Emission rates ranged from 184 to 596 g/day/head across the flight sessions. The highest value was observed when moderate CH4enhancement (0.21 ppm), combined with moderate wind (5.9 m/s) and favorable wind alignment (mean sin (θ) = 0.54), contributed to a well-defined flux boundary. Lower estimates were associated with weak CH4signals or limited plume transport. Flux estimates were strongest when CH4enhancements aligned with favorable crosswind geometry, allowing the UAV to effectively capture plume transport. This study demonstrates that UAV-based mass balance methods, combined with spatial and meteorological analysis, can produce reliable CH4emission estimates consistent with established inventory methods. The integrated approach offers a robust framework for characterizing real-time CH4emission behavior and supports improved feedlot emission monitoring strategies.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».