MARC

 008250123s2024        us                              c    eng  d
■001000017161673
■00520250211151428
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798382777382
■035    ▼a(MiAaPQ)AAI31295030
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a628
■1001  ▼aChulakadabba,  Apisada.▼0(orcid)0000-0001-8180-4200
■24510▼aQuantification  of  Methane  Emissions  From  Discrete  Sources
■260    ▼a[Sl]▼bHarvard  University▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a140  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-12,  Section:  B.
■500    ▼aAdvisor:  Wofsy,  Steven  C.
■5021  ▼aThesis  (Ph.D.)--Harvard  University,  2024.
■520    ▼aVarious  point  source  methane  quantification  approaches  enable  comprehensive  estimation  of  methane  emissions,  which  is  essential  for  effective  methane  monitoring  and  mitigating  strategies.  This  study  uses  remote  sensing  data  from  projects  like  MethaneAIR  and  MethaneSAT  to  develop  robust  quantification  methods  for  methane  emissions.  We  explore  techniques  such  as  modified  integrated  mass  enhancement  (mIME),  divergence  integral  (DI),  ratio  method,  and  Geostatistical  Inverse  Model  (GIM)  approach,  considering  factors  like  the  nature  of  the  sources,  their  size,  the  background  noise,  and  topography.In  the  first  chapter,  we  aim  to  develop  rigorous  point  source  quantification  approaches  for  MethaneAIR  and  MethaneSAT  satellites.  We  explore  different  techniques  to  quantify  methane  emissions  from  discrete  sources  and  devise  a  method  based  on  large  eddy  simulations.  Although  initially  tested  on  high-resolution  Chinese  satellites  due  to  the  early  stage  of  the  Methane  AIR  and  MethaneSAT  projects,  these  algorithms  pave  the  way  for  faster  development  of  methods  tailored  to  our  projects.In  the  second  chapter,  we  apply  our  quantification  methods  to  controlled  release  experiments  and  evaluate  their  performance  on  MethaneAIR  data.  Our  findings  show  good  agreement  between  estimated  and  released  emissions  as  well  as  mIME  and  DI  quantification  methods.  We  develop  a  decision  tree  to  determine  the  most  suitable  method  for  specific  scenarios,  enhancing  our  under-  standing  of  method  limitations  and  informing  the  development  of  MethaneSAT  algorithms.The  final  chapter  focuses  on  a  detection  limit  analysis  of  MethaneAIR  to  evaluate  MethaneSAT's  potential  performance.  Using  large  eddy  simulations,  we  estimate  MethaneSAT's  detection  limit  as  a  function  of  noise  across  different  resolutions.  Additionally,  we  demonstrated  successful  point  source  estimation  based  on  the  GIM,  bridging  the  gap  between  point  source  and  area  source  quantification  techniques.  The  findings  better  prepare  us  for  MethaneSAT  data  analysis.In  conclusion,  this  study  lays  the  foundation  for  methane  point  source  quantification  for  the  MethaneAIR  and  MethaneSAT  projects.  The  lessons  learned  extend  beyond  our  projects;  they  can  allow  the  appropriate  selection  of  methane  emission  quantification  approaches  for  various  scenarios.
■590    ▼aSchool  code:  0084.
■650  4▼aEnvironmental  engineering
■650  4▼aEnvironmental  science
■650  4▼aRemote  sensing
■653    ▼aGreenhouse  gas
■653    ▼aLarge  eddy  simulation
■653    ▼aMethane
■653    ▼aDivergence  integral
■653    ▼aGeostatistical  Inverse  Model
■690    ▼a0775
■690    ▼a0768
■690    ▼a0799
■71020▼aHarvard  University▼bEngineering  and  Applied  Sciences  -  Engineering  Sciences.
■7730  ▼tDissertations  Abstracts  International▼g85-12B.
■790    ▼a0084
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17161673▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서