Техніка та енергетика

Автоматизовані системи для моніторингу викидів метану за допомогою супутникових даних: аналіз із використанням моделі радіаційного переносу

Камала Агаєва, Герман Краукліт
Завантажити статтю
Анотація

Метою дослідження було оцінювання точності автоматизованих систем моніторингу викидів метану на нафтогазових родовищах Азербайджану з використанням супутникових даних і моделі радіаційного переносу. Методологія включала аналіз супутникових даних Sentinel-5P і GHGSat за 2024 рік, застосування моделей MODTRAN і SCIATRAN для врахування атмосферних чинників і валідацію результатів наземними вимірами з використанням спектрометрів Los Gatos Research і газоаналізаторів Picarro G2401. Результати показали, що GHGSat точніше фіксував локальні викиди (R2=0,89, RMSE=4,7 ppb), тоді як Sentinel-5P продемонстрував заниження концентрацій за високої вологості (R2=0,72, RMSE=12,4 ppb). Корекція даних із застосуванням моделей MODTRAN і SCIATRAN дала змогу підвищити точність вимірювань: RMSE знизилося до 7,8 ppb для Sentinel-5P і до 4,2 ppb для GHGSat. Найбільші викиди метану виявлено на Апшеронському півострові (2,8 ppm), що пов’язано з витоками і технологічними процесами переробки газу. Сезонний аналіз показав збільшення концентрацій взимку (3 ppm) і влітку (2,7 ppm) внаслідок зниження швидкості розсіювання та інтенсифікації видобутку. Методи машинного навчання (XGBoost, Random Forest) підвищили точність прогнозування (R2=0,91 для XGBoost), виявивши ключові фактори: швидкість вітру, температуру, інтенсивність видобутку та вологість. Висновки наголошують на необхідності інтеграції супутникових даних із наземними вимірами та моделями радіаційного переносу для підвищення точності моніторингу та розроблення стратегій зниження викидів

Ключові слова

машинне навчання, просторовий розподіл, нафтогазова галузь, наземні вимірювання, кліматичні процеси

ЦИТУВАТИ
Aghayeva, K., & Krauklit, G. (2025). Automated methane emission monitoring systems based on satellite data: Radiation transfer model analysis. Machinery & Energetics, 16(1), 146-156. https://doi.org/10.31548/machinery/1.2025.146
Використані джерела

[1] Aghayeva, K., & Krauklit, G. (2024). Innovative software for analysing satellite data and methane emissions using radiative transfer model. Bulletin of Cherkasy State Technological University, 29(3), 65-76. doi: 10.62660/bcstu/3.2024.65.

[2] Andrews, A., Boucher, C., Chakrabarti, A., Dauphin, M., Doshi, M., Rashid, K., Speck, A., Van Pelt, A., Yuan, J., & Zielinski, L. (2023). Quantitative mapping of methane emissions in oil & gas facilities. In Proceedings of the SPE annual technical conference and exhibition. San Antonio: SPE. doi: 10.2118/214909-ms.

[3] Andrews, B., Chakrabarti, A., Dauphin, M., & Speck, A. (2023). Application of machine learning for calibrating gas sensors for methane emissions monitoring. Sensors, 23(24), article number 9898. doi: 10.3390/s23249898.

[4] Bekirova, L.R., & Bunyatova, E.M. (2024). Intelligent ecological monitoring system for remote assessment of surface condition in processes of petrochemistry and oil refining. Processes of Petrochemistry and Oil Refining, 25(1), 284-300. doi: 10.62972/1726-4685.2024.1.284.

[5] Bloom, A.A., Bowman, K.W., Lee, M., Turner, A.J., Schroeder, R., Worden, J.R., Weidner, R.J., McDonald, K.C., & Jacob, D.J. (2021). CMS: Global 0.5-deg wetland methane emissions and uncertainty (WetCHARTs v1.3.1). doi: 10.3334/ORNLDAAC/1915.

[6] Chen, Q., Schissel, C., Kimura, Y., McGaughey, G., McDonald-Buller, E., & Allen, D. (2023). Assessing detection efficiencies for continuous methane emission monitoring systems at oil and gas production sites. Environmental Science & Technology, 57(4), 1788-1796. doi: 10.1021/acs.est.2c06990.

[7] Chen, S., Frish, M., & Aubut, N. (2023). Long-open-path fixed continuous methane emission monitor. Next-Generation Spectroscopic Technologies XV, 12516, 125160U-1-25160U-11. doi: 10.1117/12.2663633.

[8] Churchill, J., Wise, B., Cooper, I., & Smith, B. (2022). Automated unmanned systems perform safe emissions quantification & reduction in Permian operations. In Proceedings of the SPE annual technical conference and exhibition (article number SPE-210173-MS). Houston: SPE. doi: 10.2118/210173-ms.

[9] Churchill, J., Wise, B., Cooper, I., & Smith, B. (2023). Methane emissions quantification and resulting methane emissions reduction in the Permian basin enabled by automated unmanned systems. SPE Production & Operations, 38(3), 391-405. doi: 10.2118/210173-pa.

[10] Collins, W., Orbach, R., Bailey, M., Biraud, S., Coddington, I., DiCarlo, D., Peischl, J., Radhakrishnan, A., & Schimel, D. (2022). Monitoring methane emissions from oil and gas operations. Optics Express, 30(14), 24326-24351. doi: 10.1364/oe.464421.

[11] Daniels, W., Jia, M., & Hammerling, D. (2024). Detection, localization, and quantification of single-source methane emissions on oil and gas production sites using point-in-space continuous monitoring systems. Elementa: Science of the Anthropocene, 12(1), article number 00110. doi: 10.1525/elementa.2023.00110.

[12] Deryaev, A. (2023). Features of forecasting abnormally high reservoir pressures when drilling wells in areas of south-western Turkmenistan. Innovaciencia, 11(1), 1-16. doi: 10.15649/2346075X.3605.

[13] Domènech-Gil, G., Duc, N., Wikner, J., Eriksson, J., Påledal, S., Puglisi, D., & Bastviken, D. (2023). Electronic nose for improved environmental methane monitoring. Environmental Science & Technology, 58(1), 352-361. doi: 10.1021/acs.est.3c06945.

[14] Domènech-Gil, G., Duc, N., Wikner, J., Eriksson, J., Puglisi, D., & Bastviken, D. (2024). Efficient methane monitoring with low-cost chemical sensors and machine learning. Proceedings, 97(1), article number 79. doi: 10.3390/proceedings2024097079.

[15] Dooley, J., Minschwaner, K., Dubey, M., Abbadi, S., Sherwin, E., Meyer, A., Follansbee, E., & Lee, J. (2024). A new aerial approach for quantifying and attributing methane emissions: Implementation and validation. Atmospheric Measurement Techniques, 17(17), 5091-5111. doi: 10.5194/amt-17-5091-2024.

[16] Doroshenko, Yu., Liuta, N., & Lisafin, D. (2023). Improving the standardisation of oil product losses. Prospecting and Development of Oil and Gas Fields, 23(3), 24-33. doi: 10.69628/pdogf/3.2023.24.

[17] Erland, B., Thorpe, A., & Gamon, J. (2022). Recent advances toward transparent methane emissions monitoring: A review. Environmental Science & Technology, 56(23), 16567-16581. doi: 10.1021/acs.est.2c02136.

[18] Ferrari, A., Laneve, G., Pampanoni, V., Carvajal, A., & Rossi, F. (2024). Monitoring methane emissions from landfills using Prisma imagery. In Proceedings of the IEEE international geoscience and remote sensing symposium (pp. 3663-3667). Athens: IEEE. doi: 10.1109/IGARSS53475.2024.10642079.

[19] Gålfalk, M., Påledal, S., Yngvesson, J., & Bastviken, D. (2024). Measurements of methane emissions from a biofertilizer storage tank using ground-based hyperspectral imaging and flux chambers. Environmental Science & Technology, 58(8), 3766-3775. doi: 10.1021/acs.est.3c06810.

[20] Golinko, V., & Nedosnovanyi, O. (2024). Improvement of automation of geoinformation data processing using neural network technology. Technologies and Engineering, 25(4), 19-28. doi: 10.30857/2786-5371.2024.4.2.

[21] Groshenry, A., Giron, C., Hessel, C., Franchis, C., Facciolo, G., Ehret, T., & Sas, K. (2024). Methane emissions monitoring using geostationary satellites. In Proceedings of the IEEE international geoscience and remote sensing symposium (pp. 10376-10380). Athens: IEEE. doi: 10.1109/IGARSS53475.2024.10642856.

[22] Gushungo, L., Mupfumira, P., & Von Kallon, D. (2022). Development of an automated coal mine methane extraction system. In Proceedings of the international conference on industrial engineering and operations management (pp. 263-270). Nsukka: IEOM Society International. doi: 10.46254/af03.20220038.

[23] Ismanzhanov, A.I., Murzakulov, N.A., & Azimzhanov, O.A. (2012). Investigation on heat exchange in interlayer space of multilayer greenhouses. Applied Solar Energy, 48(2), 118-120. doi: 10.3103/S0003701X12020107.

[24] Isnaini, N., Muntini, M., & Sugriwan, I. (2024). Website-based monitoring system for methane (CH4) concentration, humidity, and temperature. Journal of Physics: Conference Series, 2780, article number 012035. doi: 10.1088/1742-6596/2780/1/012035.

[25] Komarudin, M., Septama, H., & Yulianti, T. (2022). Autonomous cyber physical systems for monitoring of methane gas in rice field. In Proceedings of the 2nd international conference on smart and innovative agriculture (pp. 138-143). London: Atlantis Press. doi: 10.2991/absr.k.220305.020.

[26] Rouet-Leduc, B., Kerdreux, T., Tuel, A., & Hulbert, C. (2023). Autonomous detection of methane emissions in multispectral satellite data using deep learning. ARXIV. doi: 10.48550/arXiv.2308.11003.

[27] Rusho, M.A., Azizova, R., Mykhalevskiy, D., Karyonov, M., & Hasanova, H. (2024). Advanced earthquake prediction: Unifying networks, algorithms, and attention-driven LSTM modelling. International Journal of GEOMATE, 27(119), 135-142. doi: 10.21660/2024.119.m2415.

[28] Salman, H., Kalakech, A., & Steiti, A. (2024). Random forest algorithm overview. Babylonian Journal of Machine Learning, 2024, 69-79. doi: 10.58496/BJML/2024/007.

[29] Satin, I., & Kutsyi, D. (2024). Greenhouse gas emissions from municipal waste disposal sites and measures for its reduction. Scientific Reports of the National University of Life and Environmental Sciences of Ukraine, 20(3). doi: 10.31548/dopovidi.3(109).2024.003.

[30] Schneising, O., Buchwitz, M., Hachmeister, J., Vanselow, S., Reuter, M., Buschmann, M., Bovensmann, H., & Burrows, J.P. (2023). Advances in retrieving XCH4 and XCO from Sentinel-5 Precursor: Improvements in the scientific TROPOMI/WFMD algorithm. Atmospheric Measurement Techniques, 16(2), 669-694. doi: 10.5194/amt-16-669-2023.

[31] Schuit, B., et al. (2023). Automated detection and monitoring of methane super-emitters using satellite data. Atmospheric Chemistry and Physics, 23(16), 9071-9098. doi: 10.5194/acp-23-9071-2023.

[32] Shen, L., et al. (2022). Satellite quantification of oil and natural gas methane emissions in the US and Canada including contributions from individual basins. Atmospheric Chemistry and Physics, 22(17), 11203-11215. doi: 10.5194/acp-22-11203-2022.

[33] Tanzharikov, A., Dairabayev, M., Kim, A., Sosa, J., & Bissembay, A. (2023). Real-time greenhouse gas emissions visibility in Tengiz production operations. In Proceedings of the SPE caspian technical conference and exhibition (SPE-217553-MS). Baku: IADC. doi: 10.2118/217553-MS.

[34] Thompson, L., & Beck, M. (2024). Use of new technology to measure methane emissions. Journal of Animal Science, 102(2), 220-221. doi: 10.1093/jas/skae102.250.

[35] Varon, D., et al. (2022). Integrated Methane Inversion (IMI 1.0): A user-friendly, cloud-based facility for inferring high-resolution methane emissions from TROPOMI satellite observations. Geoscientific Model Development, 15(14), 5787-5805. doi: 10.5194/gmd-15-5787-2022.

[36] Wang, J., Daniels, W., Hammerling, D., Harrison, M., Burmaster, K., George, F., & Ravikumar, A. (2022). Multiscale methane measurements at oil and gas facilities reveal necessary frameworks for improved emissions accounting. Environmental Science & Technology, 56(20), 14743-14752. doi: 10.1021/acs.est.2c06211.

[37] Watine-Guiu, M., Varon, D., Irakulis-Loitxate, I., Balasus, N., & Jacob, D. (2023). Geostationary satellite observations of extreme and transient methane emissions from oil and gas infrastructure. Proceedings of the National Academy of Sciences of the United States of America, 120(52), article number e2310797120. doi: 10.1073/pnas.2310797120.