MétaCan
Menu
Retour à la cohorte
Enregistrement W6959298164 · doi:10.1021/acs.estlett.4c00453.s002

Catalytic Heaters\nat Oil and Gas Sites May be a Significant\nyet Overlooked Seasonal Source of Methane Emissions

2024· dataset· en· W6959298164 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2024
Typedataset
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePasture and Agricultural Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMethaneMethane emissionsNatural gasFossil fuelMethane gasUpstream (networking)Oil and natural gas

Résumé

récupéré en direct d'OpenAlex

Successful reduction of oil and gas sector methane emissions to meet near-zero intensity targets requires the identification and mitigation of all possible sources. One potentially important source is catalytic heaters, which have largely escaped attention in regulatory and mitigation efforts despite being ubiquitous at upstream production sites in cold climate regions. This study reports direct in situ measurements of the exhaust streams of 38 natural gas-fired catalytic heaters at upstream production sites in British Columbia, Canada. All heaters in the sample showed consistently poor methane conversion with mean destruction efficiencies of 61 ± 5% while releasing 235 [+31/–28] g of methane per cubic meter of fuel. Although individual units are generally small methane sources (mean of 0.28 ± 0.04 kg/h), their prevalence means they could represent 6% of the total provincial upstream methane inventory and as an aggregate methane source could be 5× more significant than abandoned wells. Notably, these heaters are seasonal sources whose emissions would be missed in measurement campaigns occurring solely in summer months. However, additional measurements from a small number of heat medium burners demonstrate that, where feasible, methane emissions can be reduced by approximately 425× by replacing catalytic heaters with centralized heat systems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0280,001

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,244
Écart entre enseignants0,206 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetPasture and Agricultural SystemsTravaux en français237 207