Improved monitoring of methane emissions for the oil and gas sector with Sentinel-2 satellite observations
Notice bibliographique
Résumé
Accurate and timely monitoring of methane emissions is essential for mitigating the impacts of greenhouse gases, particularly in remote regions lacking on-land sensors. Traditional satellite-based methods for detecting methane often encounter challenges due to coarse spatial resolutions and spectral interferences, especially in areas with mixed land use and numerous inland water bodies. One example is the Sentinel-5P satellite, which is extensively utilized for monitoring air quality and global greenhouse gas concentrations. Our study identified significant gaps in the coverage of Sentinel-5P imagery in the Athabasca Oil Sands Region, home to the world’s third largest oil reserve, highlighting the need for enhanced monitoring solutions. To address these limitations, we introduce the Median-Based Multi-Reference (MBMR) algorithm for methane retrieval, designed for Sentinel-2’s shortwave infrared (SWIR) imagery. The MBMR algorithm takes into account surface albedo variability, local greenhouse gas concentrations, and improved reference scene selection to enhance the accuracy of plume detection. Performance evaluations using simulated methane plume datasets and controlled methane release experiments demonstrate that MBMR outperforms both baseline methods and existing state-of-the-art algorithms. When applied to actual methane leaks from the NGTL pipeline system and Syncrude’s bitumen upgrader in the Athabasca Oil Sands Region, MBMR showcased its robust capability to identify methane plumes amidst complex landscapes and diverse emissions scenarios. The successful integration of MBMR with Sentinel-2 imagery, which is primarily used for land cover mapping, vegetation and water indexing, harvesting planning, and disaster response, highlights its potential as a reliable and cost-effective tool for continuous monitoring of methane emissions in challenging environments. • We introduce a satellite plume detection method, Median-Based Multi-Reference (MBMR). • MBMR’s design accounts for complex landscapes and local atmospheric interference. • We test MBMR on controlled methane-release experiments and real-world leak cases. • MBMR identifies and quantifies methane leaks at oil and gas facilities and pipelines. • Industry and regulatory bodies can benefit from MBMR’s greater monitoring capability.
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 ».