小型排放源导致美国石油和天然气行业大部分的甲烷排放

总体来说，小型排放源在数量上所占比例较小，但在美国油气行业的甲烷总排放中却占据了绝大多数。降低油气（油-气）行业的甲烷排放已被确定为至关重要的摘要。重要的全球战略以降低近期气候变暖。最近的测量，特别是通过卫星和空中遥感技术进行的测量，强调了针对少量以高排放速率排放甲烷的设施（即“超级排放者”）进行测量和缓解的重要性。然而，单个油气设施的低排放速率排放的贡献，这些排放通常未被发现，对其了解不足，尤其是在全国和区域层面总估算的背景下。在这项工作中，我们收集了使用低检测限的方法获得的经验测量数据，以制定2021年美国大陆（CONUS）中游和上游油气部门的总甲烷排放设施级别估算。我们发现，在总排放量14.6（12.7–16.8）Tgyr中−1美国本土（CONUS）2021年油气甲烷排放中，70%（95%：61%-81%）源自排放设施。<100kg/h−1并且30%（26%–34%）和∼80%（68%–90%）源自排放设施。<10及<200千克−1尽管不同油气生产盆地的排放分布曲线存在差异，但低排放设施持续被发现占盆地总排放的大多数（即从排放设施的60%到86%总盆地排放的范围）。<100kg/h−1.我们估计，生产井场是区域油气甲烷排放的70%，我们发现，在2021年仅占全国油气生产10%的井场，却不成比例地占到了总井场排放的67%至90%。我们的结果也与从几个独立的航空遥感任务（如，MethaneAIR、BridgerGasMappingLiDAR、AVIRIS-NG（机载可见光/红外成像系统——下一代）、全球机载观测站）主导。跟踪排放随时间的变化和设计有效的减缓政策应考虑小型甲烷源对总排放的巨大贡献。1514J.P.Williams等人：小型来源占美国油气排放的大多数引言暖潜力在20年内比二氧化碳（CO2）强80倍以上（AR6综合报告）。2气候变化2023，2024）为实现短期快速气候缓解的关键目标（Ocko等人21）。在北美，甲烷排放的最大来源之一是石油和天然气（石油-天然气）行业，其中大部分排放来自生产（即上游）和运输-储存（即中游）行业（Alvarez等人，2018）。多项研究，尤其是在过去十年中，都集中在量化石油-天然气行业的甲烷来源，特别强调美国大陆（CONUS）（Alvarez等人，2018；deGouw等等人，2018；Lu等人，2022；Zhang等人，2020；Shen等人，2022；Cusworth等人，2022；Nesser等人，2024；Brandt等人，2016；Duren等人，2019；Maasakkers等人，2021；Lu等人，2023；Worden等人，2022）。一些研究已经认识到一小部分高排放站点（即“超级排放者”）的重要性，并报告它们占甲烷总排放的大部分（Brandt等人，2016；Cusworth等人，2022；Duren等人，2019；Sherwin等人，2024）。这些超级排放设施的特征排放率阈值对于甲烷测量平台至关重要，尤其是针对检测高排放点源的遥感技术。航空和卫星遥感技术使对石油和天然气站点排放的监测更加频繁，并对大面积进行快速制图成为可能，尽管它们在检测灵敏度方面存在局限性。尽管提高了定位和量化高排放站点排放的能力，但对低甲烷排放设施的特征，尤其是那些排放速率低于大多数点源检测遥感平台检测限（LOD）的设施，以及它们对石油-天然气甲烷总排放的贡献，仍然缺乏足够的了解。尽管一些研究提供了关于美国内陆油气部门不同低排放基础设施贡献的重要但有限的见解，但对于它们对整个部门、区域和国家规模排放的整体贡献仍缺乏了解。Xia等人（2024年）最近的一项研究结合了来自四个油气盆地的BridgerGasMappingrGML）的航空遥感数据，并补充了用于低于BridgerGMLLOD排放设施的组件级建模，发现1-10kgh范围内有显著更多的排放源。−1与环保署（EPA）使用的排放分布相比，范围（range）有所变化（Xiaetal.,2024）。在一项针对美国本土（CONUS）生产井场的研究中，油气行业的甲烷排放主要来源（Alvarezal.,2018;Omaraetal.,2018;Rutherfordetal.,2021），Omaraetal.（2018）

发现，90%的总甲烷排放量来自那些以排放率排放的产井场地。<100kg/h−1奥玛拉等人的后续研究（2022年）强调，来自产量低于15桶油当量/日的低产井场总的甲烷排放量−1即，1Mcf=1000ft³3天然气=19.2公斤甲烷，温度为15.6°C，压力为1atm；1桶油当量（boe）=6Mcf；假设天然气中甲烷含量为80%），这占所有CONUS生产井站总数的80%，负责了油气生产领域几乎所有甲烷排放量的一半。Kunkel等人（2023）观察到，使用具有3kghLOD的BridgerGML遥感平台。−1，与先前在二叠纪盆地某区域进行的CarbonMapper检测相结合，显示出对Carbonapper所列出的低于10kgh的LOD（最低可检测浓度）来源的显著贡献。−1Cusworth等人（2022年）现，美国大陆（CONUS）几个主要油气产区（除阿巴拉契亚盆地外）的总甲烷排放量（包括非油气来源）中有35%来自排放设施。>10千克−1表明65%的排放来自排放设施<10千克−1尽管这些使用独放份额的定量评估。存在多种不同的甲烷量化方法，这些方法在来源的空间分辨率、后勤限制、实施成本和最低检测限）方面有所不同。测量方法敏感性和最低检测限具有重要的政策影响。例如，美国环保署（EPA）最近发布了规定，将超级排放事件定义为排放速率阈值为100千克/小时的事件。−1或更高（新、重建和改进源以及现有源的绩效标准：现有源排放指南：石油和天然气行业气候审查，2024年），尽管没有明确信息说明在此定义中捕获了该区域总排放的百分比。卫星和航空遥感方法具有从1-3kgh的点源LOD范围。−1针对Bridger的机载GML（Johnson等人，2021年；Kunkel等人，2023年；Thorpe等人，2024年；Xia2024年）至约200kg。−1对于GHGSat（Sherwin等，2023）。相比之下，基于地面的测量方法，如OTM33A（其他测试方法33A）和示踪剂释放，其检测限LODs）<1千克−1(Fox等人，2019)。Raviku-mar等人（2018）使用FugitiveEmissionsAbatementSimulationToolkit(FEAST)进行的一项研究提出，一种具有0.1–1kghLOD的方法。−1将足以捕捉石油-天然气部门的所有排放，而量化低于此阈值的排放能力不会导致任何显著的减缓增加。最终，需要对排放的总体百分比贡献进行澄清。布，而不仅仅是高排放部分。，我们使用从地面采样平台收集的经验性测量数据，开发一个自下而上的基于设施的模型来估计2021年美国大陆（CONUS）上游和中游设施的甲烷排放。接着，我们将我们基于设施层面的、基于人口的数据进行汇总，以确定来自不同排放速率阈值设施的甲烷排放在国家层面和盆地层面的贡献，此外，我们还与空中遥感平台进行比较。最后，我们按设施类别分解排放分布曲线，以分析总排放百分比贡献在不同设施类型之间的变化情况。材料与方法实验测量我们整理了16项研究（Brantleyetal.,2014;Caultonetal.,2019;Deightonetal.,2020;Goetzetal.,2015;Lanetal.,2015;Mitchelletal.,2015;Omaraetal.,2016,2018;Rellaetal.,2015;Riddicketal.,2019;Robertsonetal.,2017,2020;Subramanianetal.,2015;Yacovitchetal.,2015;Zhouetal.,2021;Zimmerleetal.,2020）中的1901个设施级甲烷排放率测量值，这些研究使用了基于地面站点/设施级和来源/方法，且低检测限（LODs）约为0。.1千克−1本研究中使用的经验测量数据大部分（即85%）是通过地面移动实验室收集的，这些实验室在场地/设施层面量化甲烷排放，使用的方法包括基于示踪剂的排放、美国环保署的其他测试方法（OTM33A）或高斯烟羽传输模型（Fox等人，2019）（补充材料中的表S2）。我们使用的其余15%的经验测量数据（Deighton等人，2020；Riddick等人，2019；Zimmerle等人0）是地面方法，这些方法汇集了源/组分层面的高流量采样或静态/动态舱室测量，这意味着在测量过程中可能未量化其他现场排放源，并且总体排放速率估计较为保守。由于年龄和专注于组分层面测量的原因，我们排除了一项研究（ERG，2011）。

样本站点包括低于方法检测限（LOD）的测量或报告为零排放的测量，但有两个研究（Brantleyetal.,2014；Lanetal.,2015）的测量数据除外，这些将在第2.3只关注提供测量日期/月份的设施级气体生产数据的测量数据。我们编制的测量数据集包括常规有意（例如，气动设备的排放）和非有意（例如，设备故障和/阀门、接头和法兰的泄漏）排放，尽管我们移除了任何归因于高排放间歇事件（如返排和液体卸载）的测量数据，如果该信息存在，但我们无法完全排除这些高排放间歇来源的排放包含在我们的编制数据集中。此外，如果我们提供的信息中包含了与火炬排放相关的经验测量数据，我们将移除这些数据，因为这些排放将单独处理，如以下所述。我们根据设施类别对经验测量进行分类，包括生产井场、汇集与增压（G&B）压缩机站、传输与储存压缩机（T&S）站或加工厂。我们将来自生产井场的经验测量分为六个生产组，根据各独立研究中报告的日平均总天然气产量。我们使用日平均总天然气产量数据而不是石油和天然气产量数据，原因有两个：（1）验测量研究中提供的设施级石油产量数据的可用性有限；（2）之间的既定关系（Omara等人，2018年，2022年，2024年）。生产组的气体产量范围（图1）被选定为均LOD。这种分类创造了九个不同的设施类别：G&B压缩机、T&S压缩机、加工厂和六个生产井场组。我们进一步将九个不同的设施类别划分为五个主要设施类别：低产量井场，这些井场生产油和气的组合<15boed−1（即，每年0.13千吨甲烷的生产）−1非低产油田，产量≥15桶当量油/日（boed）−1，G&B压缩机，以及T&S压缩机。除了这些设施分类外，我们还包括可见光红外成像辐射计套件（VIIRS）的火游石油-天然气行业的多个设施类别上。汇编的实证测量涵盖了CONUS至少九个油气产区及其/或中游设施（详见表S3补充材料）类别（即，生产井场、集输和增压压缩机站、传输和储存压缩机站以及加工厂），我们优先考虑随机采集的数据集。

活动数据我们使用Enverus提供的2021年美国本土地区（CONUS）活跃生产井的活动数据（），计算了平均年度日均天然气总产量和油气产量。（a）设施级经验测量数据，按不同的特定设施类别分发给生产井站。图1.（b）中游设施。每个箱线图均显示了个体测量值，并按照其排放率状况进行着色。−1设施类别，其中蓝色点被认为在≤0的排放率阈值以下不可检测的排放。.每设施1kgh，这是我们使用的LOD方法；黑色点表示高于我们的方法LOD但低于前5%排放类别；红色点表示该类别设施的经验排放率或损失率的前5%验测量数量示于每个箱线的顶部。估计设施在排放率或损失率低于该方法的平均频率见以下内容。−1LOD以红色文字显示在每个箱线图的底部。我们展示的是绝对排放率（kg/h），而不是标准化损失率。3vrs.为（%）cf10f³=5.Cam9.2gbe=c含量为0大多数VIIRS检测位于二叠纪、巴肯和鹰福特油米（垂直井）或50米（水平井）间聚合，并将它们各自的油气产量和天然气产量合并，然后将这些产量值转换为质量等效的生产速率，单位为kg/h。−1关于甲烷（即，1Mcf=1000ft³）3天然气=19.2千克甲烷在15.6°C和1atm下；1boe（桶油当量）=6Mcf；假设天然气中甲烷含量为80%，与先前的方法（Omara等，2018年）相似。

气盆地（即，占总VIIRS检测的86%），对应于我们经验测量数据中的一小部分（表S3）（Plant等人，2022）。然而，我们经验测量数据的空间坐标有限，这限制了我们将它们与排除重叠/近似的VIIRS检测以及我们的设施级经验测量数据直接比较的能力。因此，我们确实承认，我们的经验测量数据和VIIRS火焰较低。我们从Enverus获取了2021年美国本土（CONUS）营传输和存储（T&S）以及集输和增压（G&B）压缩机站和加工厂的活动数据，这些数据还由Omara等人（2023年）发表的《油气基础设施测绘（OGIM）》数据库中的额外数据进一步补充。我们对这些中游设施的数据进行了筛选，仅包括2021年活跃的设施。对于VIIRS火焰检测，我们使用了基于安装在卫星平台上的VIIRS仪器提供的天然气燃烧检测的2021年燃烧750m×750m（NOAA-20和Suomi国家极地轨道合作伙伴）（Elvidge等人，2016年）。至于VIIRS之间的潜在双重计数问题

设施级甲烷排放清单我们采用从多份研究中借鉴的多步骤概率建模方法（Omaraetal.,2018,2022;Plantetal.,2022）（图2），计算来自所有设施类别（即生产井场所的六个生产区域、T&S压缩站、G&B压缩站、处理厂以及VIIRS火焰检测）的年度甲烷排放量。简而言之，对于1年美国本土地区每个单独的设施和VIIRS火焰检测，我们使用经验测量数据估算年度平均甲烷排放率，并据此得出这些单个排放率聚集后的甲烷排放率累积分布。每个排放率估计值均根据相应的复制品进行索引（n500），我们使用这些重复来确定累积甲烷排放分布和VIIRS火焰检测的此过程步骤。对于最高五个油气生产区间的产气井场，范围从29至908Mcfd−1（0.2至生产）>27千兆吨甲烷年−1图1)，我们使用总天然气生产规范化损失率来模拟用于(1)是每小时从设施排放的甲烷速率，单位为千克/小时；希腊字母σ是甲烷含量为CH4排放的气体，我们假设为80%；以及天然气产量是每小时在1个大气压和15.6°C下生产的天然气的质量，以千克计算（1Mcf=1000ft³）。3天然气=19.2千克甲烷，在15.6°C和1个大气压下；1桶油当量（boe）=6百万立方英尺（Mcf）。对于最低产气井站，气箱范围在0至29Mcfd。−1（即，年产0至0.2千吨的甲烷）−1）和中游设施，我们采用经验绝对甲烷排放率数据未经修改。这种方法部分基于Omara等（2022年）方法利用了总气体生产数据（在经验测量研究中最易获得的数据）与绝对排放率之间的弱相关性，以更好地外推到CONUS内所有生产井场的人口：

一个排放设施（即，高于方法限值检测限）及其相关的不确定度界限。接下来，我们移除低于限值检测限的实验测量值，并使用带替换的bootstrap方法。n于上述LOD经验测量数据（=1000）进行计算，以确定排放设施处于排放者前5%（即经验测量数据的第95百分位数或以上）或后95%（即经验测量数据的第95百分位数以下）的概率，除非是处理工厂和T&S压缩机，因为它们的测量数据太少（）n20和n50，分别）以区分排放或损失率的前5%和后95%。类似于确定发现排放设施频率的过程，我们利用自举的结果开发出一个正态概率分布，将排放设施分类为前5%或后95%的排放者。在每个设施类别中，这种伪随机选择前5%的排放者考虑了异常大量排放（即超级排放者）的功能定义，这些异常大量排放可以在所有设施类别中观察到（包括不同生产箱中的井场）（Zavala-Araiza等，2015；Brandt等，2016）。我们将自举的结果拟合到两个正态分布中：一个用于前5%的排放者，一个用于后95%的排放者。我们使用每个正态分布的相关参数来随机确定设施是否属于前5%或后95%的排放者。对于CONUS中的每个设施类别中的每个设施，重复这些步骤。排放率（千克/小时）−1.希腊字母σ天然气产量（千克）−1CH

(1)

在设施级建模流程的第一步结束时，CONUS（美国本土）内的所有设施被分为三类：底部95%排放者、顶部5%排放者或低于方法检测限（LOD）。通过损失率计算井站中产量最高的五个箱子的排放率，而对于对于我们的设施级排放率估计，我们将建模过程分为两个独立的步骤：第一步确定随机选择的设施是否在LOD（≤0）上限以上排放甲烷。.1千克−1个设施，第二个决定了该单个设施相关的甲烷排放速率。为了测试我们的方法对方法LOD选择的灵敏度，我们还对其他方法LOD进行了额外的灵敏度分析（补充材料中的图S8）。以下概述的过程都是针对我们九个设施类别中每一个的具体。由于Brantley等（2014年）和Lan等（2015年）不包括方法LOD以下的数据，但包含了与井场生产数据相关的井场排放率的有价值数据，因此它们被排除在第一步之外。为了确定一个设施在我们估算中是否排放甲烷超过方法LOD，我们首先使用有放回的bootstrapping（n1000)我们将我们的经验测量数据集（即，共有1000个数据点）用于模拟发现单个设施甲烷排放量超过方法检测限（0）的频率。.1千克−1对于每个设施（perfacility），我们称之为“排放设施”或“发射器”（ein（图2））。自举程序的结果代表了一个正态概率分布，我们从其中估计到找到…的频率

产量较低的井站群体以及中游设施（不包括VIIRS火焰检测），我们直接估算甲烷排放率（图1）分类为顶部5%和底部95%排放者的设施，我们首先通过拟合对数正态分布来估计它们的甲烷排放量，包括来自Brantley等人（2014年）和Lan等人（2015年）的测量数据，这些数据要么是气体生产标准化损失率，要么是甲烷排放率（公式1），具体取决于设施类别。接下来，我们使用模拟分布的参数，随机地为随机选择的设施分配排放率或损失率（）。n500，决于其排放状况和设施类别。我们对每个估算的甲烷排放分布与相关的经验测量进行了测试，并对所有设施类别找到一个良好的拟合（详见补充材料中的表格S6）们对那些设施类别的经验测量数据集进行重新采样，并随机分配一个排放速率。最终，一旦所有设施都分配了排放速率，我们就汇总了排放分布的集合并以此开发出设施级别的排放模型。流程图描述了设施级别的估计。图2.的。由于缺乏可用的经验测量数据，处理工厂和T&S压缩机不包括在确定一个设施是否为前5%排放者的情况中。µ并且希腊字母σ表示概率分布的均值和标准差，和U指示变量的随机重采样。分布曲线和2021年美国本土地区油气甲烷总排放量。对于所有VIIRS火点检测，我们使用2021年通过VIIRS仪器（Elvidge等人，2016年）体总量，乘以Plant等人（2022年）效率和未照明火点的百分比，来计算该来源的年甲烷排放速率。如前所述，我们的经验测量数据大部分位于油-气盆地之外，大多数VIIRS火点检测都位于这些盆地（即，二叠纪、鹰福特和巴肯），但我们不能排除通过我们的地面经验数据和VIIRS检测到的火点可能存在重复计数的可能性。对于每个VIIRS火点检测，我们根据Plant等人（2022年）明火点百分比随机确定其是否为未照明或照明火点。如果确定火点为照明火点，我们使用Plant等人年）报告的相应盆地特定观察到的破坏去除效率，乘以相应的年总气体排放量，并将其转换为排放速率。盆地特定的观察到的破坏去除效率是通过使用Plant等人（2022年）中呈现的95%置信区间建模得到的均值和标准偏差来拟合正态分布进行估算的。如果确定火点为未照明，我们使用0%的破坏去除效率。对于位于巴肯、鹰福特和二叠纪盆地之外的VIIRS火点检测，我们使用了CONUS平均的破坏去除效率总量。

去除效率为95.2%（95%置信区间：94.3%-95.9%）以及未点燃烟气的百分比为4.1%，如Plant等人（2022年）报道。对较小空间范围的推断我们对我们的估计排放分布曲线和总聚合排放量与空中和卫星遥感研究的估计进行了多次比较。为了进行这些比较，我们将我们的估计和来自其他空中/究的结果限制在感兴趣的空域（例如，油气盆地边界或空中采样活动覆盖的区域）以及特别比较我们所研究的工作中涉及的设施类别的油气甲烷排放估计。对于与卫星遥感研究的比较，我们优先考虑估计美国本土（CONUS）甲烷排放并包括特定于油气源的甲烷排放反演的明确空间图的国家级卫星反演。我们将甲烷排放的明确空间反演与CONUS内产量最高的12个油气盆地边界结合起来，除了它们的国家级反演，我们也将其用于国家级比较。由于我们的设施级模型包括地理位置活动数据（即设施坐标），我们可以通过在目标边界内连接设施来估计设施级甲烷排放分布并估计CONUS内任何空间边界的总甲烷排放。我们设施级估计的空间变异性由两个主要因素驱动：设施的计数和设施类型以及平均年度生产特性。由于数据可用性的限制，我们没有将可用的经验测量数据限制在它们被收集的具体地区（表S3）。我们测试了排除来自特定油气数据的经验测量的敏感性对国家排放分布曲线和总国家甲烷排放的影响，发现没有显著变化（图）。由于数据可用性不足，我们没有从G&B压缩机、T&S压缩机和加工厂的经验测量中获得足够的空间信息来测试盆地级别的差异。与空中遥感研究/测量点源（即，油气回收气体来源，位于空中遥感测量平台的LOD以上）、估算的总区域油气排放量以及所需的调查空间区域描述/，我们将我们的估算排放量与同行评审的研究（Cusworth等，2022；Kunkel等，2023；Xia等，2024）以及MethaneAIR在Permian和Uinta油气盆地的研究航班结果（Omara等，2024；ChanMiller等，2024；Chulakadabba等，2023；MethaneAIR，2024）进行比较，关于Sherwin等（2024）近期研究的讨论将在，并减去与我们描述的设施类型无关的任何排放en等，2024年）。在Cusworth等（2022年）的情况下，我们通过使用地理参照器工具QGIS（v3.34.2zren）对他们的研究中的图表进行地理参照，来推断空间区域。我们将我们的设施级排放分布与来自所有四个航空遥感研究的排放百分比进行比较，这些排放

来源持续存在甲烷来源，具有超过三个同一活动的重叠，这与他们的方法一致。我们使用方程式（2）Cusworth等人（2022）中低排放源对甲烷的百分比贡献：(2)P[>x]%E=[1−来自低于离散甲烷排放速率阈值的设施，以及来自Bri

x],%E[<x]是总油气甲烷排放量低于排放率dgerGML调查的连续累积甲烷排放分布曲线（Kunkel等，2023年；Xia等，2024年）。

阈值百分比。x(kgh−1),T是通过TROPOMI逆演方法测量的总面积排放量（kgh−1括号和逗号，以及一个中文句号。P[>x]是点源排放总量超过排放率阈值的总和。x(kgh−1).不确定性计算。对于我们分析布里奇GML活动（Kunkel等人，2023年；Xia等人，2024年）的连续甲烷排放分布曲线，我们将我们的分析限制在估算的排放速率上。>3kgh−1该数值约等于布里杰GML遥感平台的LOD（最低可探测度）。对于MethaneAIR，内面积排放量（即分散的面积甲烷来源）占总甲烷排放量的百分比，这大致相当于所有排放量<200千克−1（即，那些低于MethaneAIR甲烷点源检测限度的排放，在美国多个飞行任务中，位于地面以上12,200米处，Chulakadabba等人，2023年）。MethaneAIR采用地统计逆模型框架（Miller等人，2013年）对总区域排放进行表征，包括高分辨率的面积排放，同时摄入逆过程中的高排放点源信息（Chulakadabba2023年；Omara等人，2024年）。对于Cusworth等人（2022年）的研究，我们通过减去空中检测到的管道排放和所有非石油和非天然气排放（例如，废水、垃圾填埋场、农业）来分析所有飞行任务，因为我们的研究仅专注于上游和中游石油-天然气来源。此外，通过估计空中检测中管道和非石油非天然气源的相对比例，我们从空中检测到的排放中减去来自管道和非石油非天然气源的排放（即，从空中检测到的排放中减去TROPOMI（对流层监测仪器）逆演算的排放），假设这些比例具有代表性（表S4）。然而，此过程可能会在我们比较中引入额外的不确定性，特别是在空中检测到的50%或更多排放来自管道或非石油非天然气源的飞行任务中。

我们的设施级排放分布基于估算，通过多个步骤纳入不确定性，如选定设施作为前5%排放量、后95%量或低于检测限的设施的概率分布；来自设施级经验测量的排放率和损失率分布；以及燃烧效率的排放。此外，我们通过模拟新的经验排放率并根据相关方法的不确定性将其纳入到设施级模型中，将经验测量中的不确定性纳入我们的模型。在每次500次模型迭代的开始时，我们使用报道的经验甲烷排放率数据，通过正态分布来估计新的排放率，其平均值为初始报告的排放率，标准偏差为平均值的百分比。这些测量不确定性（即1希腊字母σ）的选择基于使用Fox等人（2019）提供的较低的不确定度范围，该方法针对通过OTM33A（±25%）、高斯烟羽扩散（±50%）踪剂释放（±20%）方法测量的设施。对于Hi-Flow采样器的测量，我们使用±16%的不确定度范围（Riddick等人，2022年），对于基于室内的测量，我们使用±14%（Williams等人，2023年）。因此，每个模型迭代都结合了一组基于最初报告的排放及其相关不确定性的经验测量数据，这反过来又影响了设施排放低于方法检测限（LOD）的概率建模，用于确定损失率和排放率对数正态分布参数的经验数据，以及生产箱的范围。为了计算我们设施级模型估计的累积不确定度，我们估计了500个甲烷排放分布，并汇总了我们主要设施类别（即低和非低产井场、G&B压缩机、T&S压缩机和处理厂）的2.5%和97.5%分位数，这些类别包括已点火和未点火的VIIRS火焰检测排放，以确定我们的95%置信区间。这个过程在国家、盆地和航空遥感边界水平上的所有模拟中都会重复进行。对于未确定的……我们通过在Cusworth等人（2022）法来解释检测到的甲烷源间断性，这些源地的重叠次数少于三次。n1000)the结果来自500个估算的设施级排放分布图3.放量的累积百分比−1费率阈值。例如，排放设施的费率阈值。<100千克账户占总甲烷排放量的70%（61%–81%）。上左角的插入表中号内为95%置信区间。

设备级甲烷排放率以对数尺度呈现。从0.1到1千克/小−1观察到在10分布曲线显示，在此范围内增加排放率不会显著增加与Ravikumar等人（2018）的研究结果相似。从1到100千克。−1们观察到排放分布的显著增加，这表明在这个范围内的增加排放率导致对总甲烷排放的贡献更为显著，并占总甲烷排放的68%（60%–75%）（的图3和表S4）。当排放率超过100千克/小时阈值时，−1我们观察到，在排放率增加的情况下，总排放放量占石油-天然气总排放量的28%（18%–37%）。排放量为1-10kgh的设施。−1并且100–1000千克小时−1各个范围对累计百分比的贡献相似，分别为6%（23%–29%）和22%（18%–26%），分别在0.1-1kg/h范围内观察到相似的百分比贡献。−1并且>1000kgh−1范围为4.5%（4.0%–5.1%）和6.1%（2.6%–13%），分别。总体而言，我们发现对全国CONUS甲烷排放总量的最高贡献来自10-100kgh排放设施。−1范围在42%（37%–46%）之间。从我们对2021年在CONUS内的673,940个总活跃油气设施进行的估算来看，我们估计几乎全部（即，∼99）的设施都被考虑在内。.9%）的这些设施排放的甲烷低于千克/−1.比较，如可用，我们展示了报告的95%置信区间。结果国家尺度下排放率的分布基于我们设施级模型估计的结果，我们估计2021国本土（CONUS）上游-中游行业总甲烷排放量的70%（95%置信区间：61%–81%）源自以排放甲烷的速率排放的设施。<100kg/h−1(图3)。对于其他排放率阈值，我们发现总排放量中有30%（26%-34%）来自排放这些排放率阈值的设施。<10千克−1；Johnson等人，2021年；Kunkel等人，2023年orpe等人，2024年；Xia等人，2024年）的较低阈值，以及79%（68%–90%）的总排放来自排放设施<200千克−1我们发现，对于2021设施累积甲烷排放量达到50%的排放速率阈值是25千克。−1(19–33kg/h)−1CONUS地区，大部分油气排放无法通过现有的卫星遥感点源成像器检测到（Sherwin等人，2023）。我们国家层面的甲烷排放分布情况

我们的设施级模型估计，2021年美国上游-中游油气行业的总甲烷排放量约为14.6（12.7-16.8）Tgyr。−1或1,668,000（1,453,000–1,921,000）千克−1（图4），在假设美国大陆油气产区天然气中甲烷含量均匀为80%的情况下，对应于2.4%的天然气总产量标准化损失率。该国家排放总量为14.6（12.7-16.8）Tgyr。−1是美国2021年EPA温室气体清单报告中对天然气和石油系统排放清单的近两倍，不包括计量后和分配的甲烷排放（《美国温室气体排放和汇清单》，2024年）。我们比较了我们的国家总量估计值与前七个主要使用基于卫星遥感平台（如GOSAT（温室气体观测卫星）和TROPOMI反演（Lu等人，2022，2023；Maasakkers等人，2021；Shen等人，2022；Worden等人，2022）的先前估计，除了Alvarez等人（2018）和Omara等人（2024），他们开发了基于独特设施的建模方法，该方法使用了从CONUS（图4）多个油气盆地收集的实证测量数据。我们国家甲烷排放的估计值与七个美国油气甲烷排放国家估计值中的六个相重叠，总平均值为13.1（11.1-15.7）Tgyr。−1我们不对收集进行的甲烷排放进行估算。遵循S形曲线，指出x轴（即，对比2021年全美大陆油气排放量图4.95%的置信区间。我们对于“这项工作”的总估计不包括来自其他石油-天然气甲烷源（如废弃的石油和天然气井；输送、集输或分配管道；后表计排放；和炼油厂）的排放。ra等人（2024年）的排放估计不包括废弃的石油和天然气井的甲烷排放。我们假设遥感估计（即GOSAT和包括所有石油-天然气甲烷源，包括下游排放。

从排放设施的来源<100kg/h−1对于前九大排放者盆地。我们估计的前九个排放量最大的油气盆地设施级别的排放分布均遵循S形曲线（图5），类似于国家分布（图3），放分布曲线的初始平台期在约1千克。−1在开始急剧上升之前。对于阿巴拉契亚和圣何塞盆地，第二个高原位于20-50kgh。−1排放率阈值（图5）。对于剩余的盆地，排放分布曲线放贡献之间的关系更加一致。在500个盆地级模拟中、丹尼尔斯-朱尔斯堡和圣华金盆地相比，阿帕拉契亚、安纳达科和Permian盆地的500个估计甲烷排放分布的变异更小（图5和S6）。这些变异可能部分由总体总盆地级甲烷排放量引起，其中极高的估计甲烷排放率对低总体排放盆地对总排放的百分比贡献的影响更大（例如，图5）盆地间变化的可能原因。由于这些来源缺乏基于测量的数据，导致其排放的甲烷总量约为2Tgyr。−1基于其他研究（Williams等，2021年；Alvarez等，2018年；Omara等，2024年；Weller等，2020年；《美国温室气体排放和汇清单》，2024年）。总体而言，我们对2021年美国本土（CONUS）甲烷排放的总国家估计与多个独立且最近的基于测量的估计结果吻合良好。河流流域尺度下排放率的分布在北美大陆九大主要排放油气盆地中，我们观察到不同盆地之间的甲烷排放分布存在差异，尤其是在较高的排放速率阈值下（图5）。图5大陆九大主要排放油气盆地中，来自排放设施的比例贡献更高。<100kg/h−1与我国70%（61%–81%）的全国估计值相比（图3）纪、阿巴拉契亚和鹰福特盆地约为80%，而在以石油为主的圣华金盆地则高达约90%。只有阿纳达科和贝肯盆地对总排放的贡献明显较低，在100千克水平上。−1阈值约为60%，与全国平均水平相比，这仍然占全国甲烷排放的绝大多数。尽管存在这些差异，我始终是一致的。

在总甲烷排放量方面，前两大排放油气盆地为二叠盆地和阿巴拉契亚盆地，它们合计占5.2（4.4–6.3）Tgyr。−1（补充材料中的图S1）或上游和中游油气田甲烷排放总量的37%。这超过了其他七个最高排放油气盆地累积贡献的总和，这七个油气盆地合计贡献了3.7（2.9–5.0）Tgyr。−1值得注意的是，我们发现美国大陆最高排放量来自任何流域边界之外的地区，为4.3（1.2-6.3）Tgyr。−1我们的对盆地层总量排放的估计也与卫星遥感观测结果（图S1）显示出良好的吻合度，除阿巴拉契亚、贝肯、大绿河和丹佛-朱尔斯堡盆地外，在这些区域我们的研究结果始终比使用前排放反演结果的遥感研究高出一倍多（Luetal.,2023;Shenetal.,2022）。这四个盆地位于CONUS其他地区相对于TROPOMI观测数密度较低的区域（Shenet,2022），此外还存在其他可能影响卫星反演的因素计与卫星观测结果一致。结果来自500次模型模拟，显示了总上游-中游累积甲烷排放分布曲线。图5.油-气甲烷排放量：2021年美国大陆地区（CONUS）前九大排放油-气盆地的排放量。各盆地的模型平均数如下所示。−1清晰的黑色实线。插入的虚线代表总排放中源自各源的百分比贡献。<100kgh.剩余11个美国大陆油气盆地的排放分布曲线显示在补充材料中的图S6，用于不同油气盆地的空间边界图显示在补充材料中的图S10。按设施类别分布的排放率我们发现，在不同设施类别之间，甲烷排放率分布曲线存在显著差异（图6a）。从低排放设施（即）中排放的总甲烷量超过50%。<15boed−1或生产<0.13/年甲烷−1）以及非低产井场、火炬以及G&B压缩机站，均来自排放设施。<100kg/h−1(图6a)。相比之下，只有处理厂的17%（15%–18%）排放、T&S压缩站的19%（18%–20%）火炬的9%（7%–12%）排放来自排放源。<100kg/h−1.相似的变异性也出现在其他排放率阈值处，例如仅占总排放量的1%（0%–2%）的T&S压缩机站、未点亮的火炬和来自以排放率进行排放的工厂的加工厂。<10千克−1与低产井场（50%（43%–58%））和非低产井场（30%（24%–35%））相比（图6a）。在更高的排放率阈值下，我们发现T&S压缩机及加工厂的总排放量中有33%（20%–45%）来自设施。<200千克−1与来自非低产井站的84%（68%–93%）相比（。>15boed−1从综合石油和天然气排放中，86%（83%–88%）来自VIIRS火焰检测，78%（70%–86%）来自G&B压缩机站，以及几乎所有来自低产量井场的排放。

模型中对673,940个总设施的分析显示，其中有541,970个低产井场，接着是121,824个非低产井场，4,431个G&B压缩站，2,093个T&S压缩站，919个加工厂，以及3,153次总VIIRS火焰检测。在这673,940个总设施中，99.5%（99.4%–99.6%）以不同的速率排放甲烷。<100kg/h−1(补充材料图S11）70%的总甲烷排放量（图3）。总体而言，我们估计2021年美国大陆总体油气甲烷排放量的68%来自生产井场，其中44%来自低产井场，这些井场具有综合油气生产<15boed−1即（例如，生产<.13/年甲烷−1），剩余的24%来自非低产井场（即，>15boed−1（图6b）。中游设施占甲烷总排放量的29%，其中13%来自压缩机，8%来自加工厂，7%来自气田与管线压缩机站。剩余的4%来自IRS火焰检测，其中2%来自点亮的火焰，另外2%来自未点亮的火焰。根据每个设施类别的数量及相应的总甲烷排放量，每个设施类别的平均甲烷排放率最高，为处理厂，达到146（115–283）千克/小时。−1随后为106（89-129）千克−1对于T&S压缩机站–29）公斤/小时−1对于G&B压缩机站，3.3（2.9–3.8）千克/小时−1对于非-低产井场，1.3（1.2–1.5）千克/小时−1对于低产出井场。针对VIIRS耀斑检测，我们发现点燃的耀斑平均排放量之间存在较大的差异，在11(1.13)千克/小时和未点亮的火焰在205（132–294）千克/小时。在我们考虑的设施类别中，生产井场构成了总甲烷排放的大部分，其中大部分排放来自低产井场。总的来说，我们发现2021年仅有10%的国家石油和天然气生产的井场贡献了67%–90%的井场排放（补充材料中的图S7），这突显了相对于生产而言排放的不成比例的大份额。在单个井场生产价值方面，同样67%–90%的总累计甲烷排放来自生产>50boed（即，每年生产0.43千吨甲烷）−1)或更少。对于日产量为15万桶油当量（boed）的井场而言−1（即，每年0.13千吨甲烷的生产）−1)或更少，这是以前工作中用来定义油气井场边际生产的生产阈值（Deighton等，2020；Omara等，2022）低产油气井场占到了总井场排放的50%至75%，或相当于4.7-6.8吨/年。−1.与航空遥感研究比较我们对来自低于离散排放率阈值的设施甲烷排放的百分比贡献进行对比，比较了四个不同地区七个空中遥感活动的结果以及我们估计的设施级结果（图7）中遥感技术包括来自布里奇GML测量（Kunkel等人，2023；Xia等人，2024）；MethaneAIR（Omara等人，2024；Miller等人，2023）；以及全球空中观测站和空中可见/红外成像光谱仪——下一代活动（Cusworth等人，2022）的结果，这些结果也包含在Sherwin等人（2024）使用的空中检测中。在比较我们设施级估计与空中遥感活动之间的低排放源对总排放的百分比贡献时，我们发现，如图7所示，对于低于100和200空中遥感活动中一致。−1对于BridgerGML（Kunkel）。etal.,2023;Xiaetal.,2024)，我们发现来自排放设施的总体排放百分比有良好的吻合度。<200及<100kg/h−1与我们的设施级模型估计（图7）相比。补充材料中的图S3展示了我们的设施级排放分布与针对四个油气盆地进行的两次BridgerGML空中遥感活动（Kunkel等，2023；Xia等，2024）之间的连续排放分布曲线的比较。在我们这项工作中分析的空中活动中，BridgerGML空中采样平台具有最低的检测限OD），其源分辨率（即30米）与我们的相似。

设施级模型（即50米），允许由于BridgerGML调查提供的低排放率下检测到的甲烷源数量更多，对连续排放分布曲线进行更详细的比较。我们发现，我们设施级甲烷排放分布曲线与Xia等人（2024）提供的四个盆地综合观察到的排放之间非常吻合（图S3A），包括Anadarko、Bakken、EagleFord和Permian（Xia等人，2024年中的单个盆地数据目前不可用），以及Kunkel等人（2023）针对Permian远程采样活动单独进行的（图S3B），BridgerGML调查测量的排放与我们的设施级模型模拟在甲烷排放率连续分布的整个范围内重叠。对于Cusworth等人（2022年）动，我们通常发现与我们的所有估计在统计上具有良好的一致性，这些估计与离散排放率阈值重叠。<100及<200千克−1对于二叠纪和尤因塔油气盆地（图7）率阈值上观察到良好的一致性。<200及以下<10k/h−叠的不确定性界限）。对于阿巴拉契亚盆地，我们在排放率门槛处发现广泛的一致性，即<100及00千克−1我们的研究结果一致显示，来自低于离散排放率阈值的排放源贡献了20%至30%的更大比例（图7）。我们在二叠纪和尤因他油气盆地中发现了最接近的一致性，其中平均百分比贡献的差异在三个离散排放率阈值中从-9%到+4%不等。<100及<200千克−1(图7)。在丹佛-朱尔斯堡盆地和阿巴拉契亚盆地，与其他盆地相比，观察到差异更大，因为在不同的排放阈值下，平均百分比贡献的差异从-30%到+18%不等；然而，这些差异在我们的估计不确定性范围内。Cusworth等人（2022）多非石油和非天然气点源（表S4），这可能导致对这些盆地的比较存在额外的不确定性，因为我们使用点源的相对比例来从TROPOMI估计中减去非石油和非天然气点源的估计贡献，以提供对我们估计（因为我们只关注上游和中游石油和天然气行业）与Cusworth等人（2022）估计的更直接比较。值得注意的是，阿巴拉契亚盆地含有最高比例的非石油和非天然气点源，占67%（表S4）。相比之下，我们注意到Cusworth等人（2022）在二叠纪盆地和尤因塔盆地检测到的所有点源都被归因于石油-天然气点源（表S4）可用的飞行结果进行了比较。MethaneAIR，该系统量化了区域总甲烷排放和排放量大的点源。>200千克−1（a）结果显示了500个估算的甲烷排放分布的集合，显示了总甲烷排放的百分比。图6.在设施排放率低于排放率阈值的设施类别中作出贡献。底部右边的插入表格−1展示来自排放设施的离散百分比贡献，对总甲烷排放的贡献。<（b）−10kh.空平台（Chulakadabba等，2023年）的−1

审查，2024）。虽然检测和减轻超级排放源的排放很itPra排放源贡要<rt等，2022；Duren等，2019；Sherwi排放设施的可用航空活动之间表现出高度一致。<200kg/h−1（图7b）。对于Uinta盆地的MethaneAIR%）来自排放源。<200kg/h−1与MethaneAIR的88%相比（图7b）。对于MethaneAIR在二叠纪盆地可用的航班，我们估计来自排放源的总贡献为</h−1与MethaneAIR估计的71%相比，我们的估算为77%（59%–90%）（图7b）。总的来说，我们的研究发现，我们基于设施水平的估算用不同的测量方法。讨论了解不同排放量的设施如何对区域总排放量做出贡献，这对甲烷的定量和缓解有直接的政策意义，例如选择具有适当检测灵敏度的测量/筛选方法（Ravikumar等人，2018）。我们的主要发现是，上游-中游行业从排放设施中排放的70%的总油气甲烷排放来自排放速率<100千克−1,该排放率阈值以上，点源排放被美国环保署（新、重建和改造源的性能标准以及现有源排放指南：石油和天然气行业气候）称为超级排放油气源。

n等，2024），但我们的结果强调了需要考虑那些排他国家收集的设施级、基于测量的数据呈现了类似的故事。从一系列地点的样本中（n302）通过加拿大不列颠哥伦比亚省的BridgerGML遥感平台测量（Tyner和Johnson，2021年），大约60%的总量化油气场地级排放源自排放的场地<32kgh−1在罗马尼亚，一项基于现场测量的库存（Stavropoulou等人，2023年）使用178个测量值发现，石油生产设施排放<100千克−1，总共78%的油气甲烷排放归因于此。简而言之，较低排放源的较大比重贡献。<100千克−1排放源的相对贡献。我们的大部分分析都集中在量化石油-天然气甲烷源在低于一个离散排放率阈值（即的百分比贡献。<100千克−1根据美国环保署（EPA）对超级排放源的界定）分析的油气设施中，超过99%的设施属于。比较油-的累积百分比图7.（a）天然气甲烷排放来自所有油气设施排放<−1−1（b）100千克和<200空遥感探测活动之间的差异。条形按研究分类着色，并按照目标油气盆地（们）分组。所有来自设施级模拟的结果（即，本工作）均受到航空探测活动的空间边界的约束，以便进行直接比较（请注意，对于一个特定的盆地，空间边界可能略有不同）。设施级模拟的不确定性条形表示500次模拟的.5百分位数和97.5百分位数。用于比较的所有空间边界的地图均提供在补充材料中的图S2。与……的比较−1MethaneAIR并未在以下进行。<100kgh阈值，因为在此排放率阈值以下，MethaneAIR无法检测到甲烷点源。工作排放低于100公斤/小时。−1(图S11)，献了70%（61%–81%）的总甲烷排放（图3）。100千克/公顷的排放速率阈值−1与美国的政策决策（美国环保署的最终规则《石油和天然气作业》，2024年将大幅减少甲烷和其他有害污染物），但我们也说明了完整表征排放的重要性，随着更先进的甲烷监测技术具有不同的检测极限，这一点的重要性愈发凸显。例如，对于现有的点源成像卫星，在较高的检测概率下，有效检测极限约为200kgh。−1（Jacob）所有油气点源中的21%（10%–32%）。在考虑设施级排放率与总累积甲烷排放的关系时，我们发现美国本土地区的油气甲烷排放主要由许多低排放设施所主导，这与甲烷测量技术直接相关。

局限性可以通过分层随机、代表性抽样和此类工作的统计分析方法来克服。地面测量平台提供远低于LODs（即，<1千克−1与遥感平台相比，遥感平台对于量化我们发现的许多小甲烷源（这些源大约贡献了CONUS地区总油气排放的四分之三）是必要的，我们发现随着更多地面测量数据的收集，这种优势将得到加强。总的来说，我们的主要发现强调了快速定位我们估计的少量高排放点源的方法的重要性，但我们的发现也强调了需要考虑到来自较小分散甲烷源的、占总区域油气排放的大多数比例的不成比例的大多数排放。当我们将我们的设施级模型结果外推至盆地级别时，我们发现不同油气盆地的排放分布曲线存在差异，但仍然发现大部分甲烷排放来自那些排放的设施。<100千克−1素驱动，例如生产特性、设施数量和密度；设施类别的不同类型和相对数量；用于模拟排放的经验测量数据可用性；以及总油气甲烷排放量（即分母）。例如，阿巴拉契亚盆地以大量低产老井场为主（Deighton，2020年；Riddick等人，2019年；Enverus，2024年），而中游设施（如加工厂和G&B压缩机）较少，这与巴肯盆地形成鲜明对比，在巴肯盆地我们发现大量中游设施、高产井场和VIIRS火焰检测（Elvidge等人，2016年；Enverus，2024年）。当比较巴肯和阿巴拉契亚盆地的排放分布曲线（图5）到阿巴拉契亚盆地的低排放设施贡献比巴肯盆地更高。补充材料中的图S4和S5差异，其中不同油气生产盆地在井场生产特性方面存在差异，这些特性是本工作中总甲烷排放的主要来源（图6）。我们还观察到流域级别总排放量对我们排放分布曲线变异性影响，其中圣华金盆地的较大排放源可能导致估算的排放分布曲线的高变异性，与拥有大约是圣华金盆地10倍总排放量的二叠盆地相比（图5）法差异（及其潜在的不确定性）我们在此估算的。以点源为重点的遥感平台具有快速调查大片区域（例如，数百至数千平方公里）的优势，这有助于检测和量化高排放的点源（Cusworth等人，2022年等人，2019年；Sherwin等人，2024年）。相比之下然而，这些目标地区进行结构化。我们的研究结果发现，来自三个不同设施类别的累积甲烷排放中，超过一半来自排放设施。<100千克1包括点燃和不点燃的火炬产生的甲烷排放。我们展，在美利坚合众国（CONUS）的油气甲烷排放的主要来源是油气生产井场，其中低产井场类别负责了2044%（39%–49%）。低产井场，也称为“边际井”，在先前的研究中被体油气生产的贡献而言（Deighton等人，2020mara等人，2022年）。Omara等人（2022年）发现，边际井对生产井场总甲烷排放的贡献从37%–75%不等，这与我们的估计相似（即50%–75%）。尽管与其它设施类别相比，低产井场的平均排放速率较低，但大量设施的数量导致甲烷总排放量显著。这表明，为了减少这些和其他低排放油气基础设施（例如废弃油气井）的甲烷排放，需要与针对少数超级排放源相比的替代缓解和检测方法。对于检测，需要能够测量0.1–100kgh排放速率的测量方法。−1此范围内的排放（如本报告图3和补充材料表S1所示，占总甲烷排放的70%）是必需的。在甲烷减排政策方面，例如拜登两党基础设施法中提供的47于修复老旧且易泄漏的产油井，因为这些低产井仅占石油-天然气总生产的很小一部分（即2019年仅占5.6%）（Omara等人，2022年）。

我们的盆地级（图S1）和国家级对比与卫星反演（图3）及其他航空遥感研究区域（表S2）。我们对低于离散排放率阈值低排放源贡献的比较也与最近的MethaneAIR、KairosAerospace、GAO和AVIRIS-NG（空可见/红外成像系统——下一代）航空调查结果密切相关，这些结果也强调了小甲烷源对整体油气甲烷排放的重要性。最近，Sherwin等人（2024）建议，大部分排放量来自一小部分高排放地点。值得注意的是，Sherwin等人（2024）使用的多数航空测量数据来自Cusworth等人（2022）的一致（图7）。Sherwin等人（2024）对空中测量的来源进行了一种与Cusworth等人（2022），这些来源的超过三次空驶，假设一次或两次空驶的源在其观察到的间歇性为100%、50%或0%的时间内排放。这种分析方法的差异使Sherwin等人（2024）的平均空中排放贡献比Cusworth等人（2022）（材料中的表S7）高出31%，后者使用之前在第2.4节中描述的重采样方法。此外，Sherwin等人（2024）中低于空中检测限的排放是通过结合Rutherford等人（2021）中提出的用于生产井场的设备级自下而上模型以及来自美国温室气体清单（GHGI；排放和吸收清单，2024）的中间设施排放因子进行估计的，平均降低了七个空中运动的52%排放（表S7）。因此，Sherwin等人（2024）中测量的空中排放较高，而低于空中检测限的排放较低，导致高排放设施的总体甲烷排放贡献较高（表S7）。最终，我们在dgerGML空中运动的多项不同测量技术和平台（Kunkel等人，2023；Xia等人，2024）以及Cusworth等人（2022）供了关于较小排放源对总体区域排放有重要贡献的集体证据。果与Kunkel等人（2023年）和Xia等人（2024年）的在BridgerGML调查中测量的甲烷排放量分布相吻合（图S3）。我们还发现与卫星遥感估计的排放量之间存在良好的一致性，例如

鉴于甲烷检测技术的多样性，可以采取多种方法来估算甲烷排放速率分布，每种方法都有其独特的优势和劣势。MethaneAIR提供了一种新颖的遥感方法，通过使用同一空中平台对高排放点源、分散区域源和区域总排放量进行量化，从而能够直接测量高排放点源和扩散区域对区域总估计值的贡献。Xia等人（2024）结合了四个油气盆地BridgerGML的测量数据，并使用组件级模拟来考虑设施排放低于3千克/小时。−1BridgerGML的检测限。其他方法也存在，例如Cusworth等人（2022年）的方法，他们将TROPOMI反演与从其航空检测平台（即GAO、AVIRIS-NG）量化得出的点源排放相结合，以估算区域总甲烷排放量。同样，Sherwin等人（2024年）备级自下而上的模型（Rutherford等人，2021年）和2023年GHGI的中游设施排放系数相结合计算的场地/设施级排放速率估计值相结合，以估算低于航空检测限的设施的排放。与地面采样平台相比，遥感研究具有关键优势，例如快速调查广大区域和捕获高排放点源LODs因目标区域、地形、测量技术、共定位的非油气甲烷源（即源归因）、天气条件、基础设施密度和基础设施类型等因素而有所不同。这些变量在量化高于/低于特定排放速率阈值的设施的贡献时带来额外挑战，这些信息对于制定缓解政策至关重要。性能评估、跟踪缓解和准确报告需要构建一个全面的排放图景，通过表征所有大小排放源并与总盆地/子盆地级排放量相协调来实现。最终，关键似乎是将两种方法的最佳数据相结合，构建一个混合清单，理想情况下LODs，值。我们的研究在这一方向上迈出一步，在呈现与可用独立遥感测量值的稳健比较的同时，考虑了基于测量的数据。同时，从广泛区域遥感制图或质量平衡调查中获得的大面积聚集排放数据可以更好地约束区域总排放量（例如，Cusworth等人，2022年；Omara人，2024年），为更经验丰富的分母表征低排放和高排放源对总排放量的相对贡献。

个人油气田对我们的结果没有显著影响（见补充材料中的图S9）。此外，在我们的估计中，还有几个油气甲烷排放源我们没有考虑，包括集输、输送或分配管道；炼油和运输；废弃油气井；海上油气基础设施；后计量源；以及城市地区的油气分配基础设施。对于本工作中省略的一些来源，如废弃油气井，如果将其包括在内，可能会使低排放设施的贡献更高，因为记录的最高废弃油气井排放率为76千克/小时。−1(Riddicketal.,2024)。对于其他如炼油厂等设施，由于它们的数量较少和每处排放量较高，其纳入可能会降低小型甲烷源的贡献（Durenetal.,2019）。尽管存在遗漏，但这些来源的总甲烷排放目前估计占总石油-天然气行业排放的5%–10%（Alvarezetal.,2018；Riddicketal.,2024；美国温室气体排放和汇清单，2024；Williamsetal.,2021）。我们的估计还利用了基于，尤其是在加工厂的情况下（。n20）和T&S压缩站（n50)S2)，与遥感平台捕捉的数据相比，超排放设施样本较小（Duren等，2019；Sherwin等，2024），但我们在估算设施级甲烷排放率时采用了生产标准化损失率和对数正态分布，以预见并解释可能发现的低概率、高幅度排放，这些排放的发生率超出了我们经验观察数据集中的数值。例如，我们的最高经验排放率为1360kgh−1对于一座T&S施级排放率在所有500条设施级排放分布曲线上平均为7500千克。−1(3000–21000kgh)−1).最后，我们包括了一小部分（即模型中使用的总经验数据的）来自两个研究（Deighton等人，2020年；Riddick人，2019年）的地面组件/场测量数据。这些两个研究中的所有测量数据都针对的是产量最低的生产井场群体，并显示出比使用设施级地面方法收集的同一产量井场群体的排放率统计上更低。这意味着，这些测量数据的包含所引入的任何偏差可能会导致对总排放的低估和/或来自低排放源的百分比贡献的低估。尽管存在这些局限性，但我们已经表明，我们的结果与国家、盆地或地方的卫星和航空遥感研究以及其他设施级估计结果在总体上是一致的。展望未来，可以使用几种方法来更好地理解来自设施的比例贡献。我们表明，我们设施级排放模型产生的国家和盆地级甲烷排放估计值与其他独立测量研究结果良好一致。然而，我们注意到以下局限/的数据收集工作得到改善。我们模型中使用的经验测量数据代表它们被测量的年份和时间（即2010-2020年），这意味着它们不会反映监管实践的任何更新或设施运营和排放管理实践的任何变化。此外，油气盆地中生产井场经验测量数据的数量存在差异（见表S3），生显著影响。在不同的泄漏率阈值下排放，并最终改善我们对美国大陆和全球油气甲烷排放的理解。通过结合多种卫星和航空遥感方法，并通过对多个阈值同时进行点源检测的数据综合，以多尺度测量数据的汇编为例，表明了这是一个在构建更完整的甲烷排放整体图景方面的可行途径。将航空和卫星遥感测量与地面站点/平的估计相结合，似乎是有效下一步，如先前研究（Allen，2014；Alvarez等人，2018）所实施/专注于点源检测的航空或卫星遥感平台能够快速定位少量高排放设施，这些设施排放了不成比例的排放量，提供了有关特定设施位置的有价值数据，有助于快速缓解。然而，需要更多直接的观察方法来获取总排放数据，根据这项研究，这些数据主要是由未被发现的高排放点源检测系统的小型排放源所主导。基于设施水平的基于人口的方法可以解释对总油气甲烷排放贡献最大的低排放设施，这对于准确的排放报告和理解总排放量高于/低于排放率阈值的部分是必要的。地面估计可以通过区域遥感或质量平衡映射方法（Shen等人，2022；Omara等人，2024；Jacob等人）稳健的整体排放量化。

我们的研究结果突出了量化了大量低排放油气设施对021年美国本土（CONUS）区域内、盆地或地方油气甲烷排放的重大贡献。除了美国本土，小型油气甲烷来源也可能是其他国家区域总排放的一个重要组成部分，如近期来自罗马尼亚和加拿大的数据所暗示（Stavropoulou等，2023；Tyner和Johnson，2021）；这将需要进一步研究，以构建对小排放甲烷排放及其对全球油气甲烷排放相对贡献的全面评估。这项工作强调了采用多尺度方法来量化区域总油气甲烷排放的必要性，同时还要描述和解释广泛分布的小型排放源对总排放量的重大贡献，此外还需纳入高排放点源数据，以实现整体稳健的甲烷排放量化。R代码用于创建甲烷排放代码可用性。sion分布曲线和图形可根据合理请求提供。结论总之，我们的工作突出了2021年美国本土（CONUS）包括以下内容：总体来说，美国全国大陆油气甲烷排放中有很大一部分（70%）来自低排放设施（<100千克−1.九个主要产油盆地中，我们始终发现大部分甲烷排放（60%–86%）源自以排放率排放的油气设施。<100千克−1.

所有500个全排放率分布数据可用性。在国家层面，数据可通过Zenodo下载（/10.5281/zenodo.13314532,Williams,2024）。basin或小目标尺度上所有估算的甲烷排放率分布可在请求后获得。用于估算甲烷排放分布曲线的实证测量数据可在表S2中列出的参考文献中找到。MethaneAIR区域排放（https://developers./earth-engine/datasets/catalog/EDF_MethaneSAT_MethaneAIR_L4area,EarthEngineDataCatalog,a）和点源排放（/earth-engine/datasets/catalog/EDF_MethaneSAT_MethaneAIR_L4point,EarthEngineDataCatalog,2024b）可从GoogleEarthEngine数据目录中访问。生产井场被发现是区域油气甲烷排放的70%的源头，其中仅占2021年全国油气生产10%不成比例地贡献了总井场排放的67%-90%。我们的结果始终与独立航空/卫星调查结果高度一致。

本文的相关补充资料可供获取。补充。：/10.5194/acp-25-1513-2025-supplement.JPW和RG设计了这项研究。JPW作者贡献创建了用于生成所有结果所需代码，代码输入来自MO、KM、DZA和AH。甲烷分析由JB、MS和SCW提供。多传感器Atmos.Chem.Phys.,25,1513–1532,2025/10.59/c-511-25由JPW和RG共同组成。JPW在所有合著者的参与下准备了手稿。联系人已声明，没有利益冲突。竞争利益。作者中没有人存在利益冲突。出版者注：CopernicusPublications仍然免责声明理表述，本文持中立立场。尽管CopernicusPublications尽力包括合适的地名，但最终责任在于作者。我们想感谢JackWarren和致谢LuisGuanterMethaneAIR源排放方面的宝贵努力。资金支持用于MethaneSAT和MethaneAIR金融支持。活动部分资金由匿名捐赠者、ArnoldVentures、TheAudaciousProject、BallmerGroup、BezosEarthFund、Theldren’sInvestmentFundFoundation、Heising–SimonsFamilyFund、KingPhilanthropies、RobertsonFoundation、SkylineFoundationValhallaFoundation助者的完整列表，请访问/（最后访问时间：2024年12月15日）。这篇论文由ManvendraKrishna编辑。审阅声明。，并由三位匿名审稿人评审。艾伦，D.T.：和自上而下的测量，当前化学工程观点，5，78–83，/10.1016/j.coche.2014.05.004，2014。阿尔瓦雷斯，R.A.，扎瓦拉-阿拉亚，D.，莱昂，D.R.，艾伦，D.T.，巴克利，Z.R.，布兰特，A.R.，戴维斯，K.J.，.C.，雅各布，D.J.，卡里昂，A.，科尔，E.A.，兰姆，B.K.，劳瓦克斯，T.，马萨克尔，J.D.，马切塞，A.J.，拉，M.，帕卡拉，S.W.，皮施尔，J.，罗宾逊，A.L.，谢泼森，P.B.，斯温尼，C.，汤森-斯莫尔，A.，沃菲，S.C.，汉堡，S.P.：对美国石油和天然气供应链甲烷排放的评估，科学，361，186–188，/10.1126/science.aar7204，2018。AR6综合报告：2023年气候变化：https://www.ipcc.ch/report/ar6/syr/（最后访问：2024年3月6日），2024。布兰特，A.R.，希思，G.A.，和库利，D.：天然气系统甲烷泄漏遵循极端分布，环境科学与技术，50，12512–12520，/10.1021/acs.est.6b04303，2016。布兰特利，H.L.，索玛，E.D.，斯夸尔，W.C.，古文，B.B.，莱昂，D.：使用移动测量评估油气生产平台的甲烷排放，环境科学

Technol.,48,14508–14515,/10.1021/es503070q,2014.Caulton,D.R.,Lu,J.M.,Lane,H.M.,Buchholz,B.,Fitts,J.P.,Golston,L.M.,Guo,X.,Li,Q.,McSpiritt,J.,Pan,D.,Wendt,L.,Bou-Zeid,E.,andZondlo,M.A.:TheImportanceofSuperemitterNaturalGasWellPadsintheMarcellusShale,Environ.Sci.Technol.,53,4747–4754,https:///10.1021/acs.est.8b06965,2019.ChanMiller,C.,Roche,S.,Wilzewski,J.S.,Liu,X.,Chance,K.,Souri,A..,Conway,E.,Luo,B.,Samra,J.,Hawthorne,J.,Sun,K.,Staebell,C.,Chulakadabba,A.,Sargent,M.,Benmergui,S.,Franklin,J.E.,Daube,B.C.,Li,Y.,Laughner,J.