声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1421/N
国际刊号：1000-7857
发布日期:
作者：杨占, 李祥, 张啸, 陶盛, 杜松
单位：1中国煤炭地质总局勘查研究总院，北京100039；2矿山透明地质与数字孪生技术国家矿山安全监察局重点实验室，北京100039；
关键词：深部地质封存,深地流体,孔隙压力,机器学习,深度学习
基金：国家重点研发计划项目(2023YFC3012104)
近年来，CO2排放持续增长，已成为全球气候变化的主要驱动因素。为应对气候风险，多个国家相继提出碳中和目标。然而，当前全球能源结构中化石能源占比仍超过80%，实现减排目标亟需源头减排和末端封存协同推进，其中碳捕集与封存（carbon capture and storage, CCS）被广泛认为是实现大规模负碳的重要技术路径[1]。研究表明，到2030年CCS年减排潜力可达1亿~4亿t CO2，至2050年有望提升至30亿~68亿t CO2[2]。作为CCS体系中的关键环节，深部地质封存技术通过将流体注入1500~3500 m深部地层中，依托盖层封闭性，实现流体与生物圈的长期隔离，是目前最具应用前景的负碳方式之一[3]。
来源：2026年第6期
《科技导报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。