|
ИИ обнаружил шлейфы метана из космоса
|
|
|
|
Исследователи Оксфордского университета в партнерстве с NIO.space компании Trillium Technologies разработали инструмент для автоматического обнаружения шлейфов метана на Земле с орбиты с использованием машинного обучения с гиперспектральными данными. Это могло бы помочь выявить чрезмерные «суперэмиттеры» метана и обеспечить более эффективные действия по сокращению выбросов парниковых газов. Результаты под названием «Семантическая сегментация метановых шлейфов с помощью гиперспектральных моделей машинного обучения» были опубликованы в журнале Scientific Reports. Хотя цели Net Zero сосредоточены на выбросах CO2, борьба с выбросами метана также является критически важным мероприятием для замедления роста температуры. Метан в 80 раз эффективнее удерживает тепло, чем CO2, но имеет гораздо более короткое время жизни в атмосфере (от семи до 12 лет по сравнению с столетиями).
|
|
|
|
Таким образом, быстрые действия по сокращению выбросов метана из антропогенных источников окажут немедленное влияние на замедление глобального потепления и улучшение качества воздуха. Было подсчитано, что легко достижимое сокращение выбросов метана могло бы предотвратить потепление почти на 0,3°C в течение следующих двух десятилетий. Однако до сих пор существовало очень мало методов для быстрого картирования шлейфов метана по аэрофотоснимкам, и этап обработки занимал очень много времени. Это связано с тем, что метан прозрачен как для человеческого глаза, так и для спектральных диапазонов, используемых в большинстве спутниковых датчиков. Даже когда спутниковые датчики работают в правильном спектральном диапазоне для обнаружения метана, данные часто затенены шумом, что требует трудоемких ручных подходов для эффективной идентификации шлейфов.
|
|
|
Новый инструмент машинного обучения, разработанный исследователями из Оксфорда, решает эти проблемы, обнаруживая шлейфы метана в данных с гиперспектральных спутников. Они обнаруживают более узкие полосы частот, чем более распространенные мультиспектральные спутники, что упрощает настройку на конкретную сигнатуру метана и фильтрацию шума. Однако объем данных, которые они производят, намного больше, что затрудняет их обработку без искусственного интеллекта (ИИ). Исследователи обучили модель, используя 167 825 гиперспектральных фрагментов (каждый представляет площадь 1,64 км2), снятых воздушным датчиком НАСА AVIRIS в районе Четырех углов в США. Затем алгоритм был применен к данным от других гиперспектральных датчиков на орбите, например, к собранным данным. от нового гиперспектрального датчика НАСА EMIT (миссия по исследованию источников минеральной пыли на поверхности Земли), который прикреплен к Международной космической станции и обеспечивает почти глобальное покрытие Земли.
|
|
|
|
В целом модель имеет точность более 81% для обнаружения больших шлейфов метана и на 21,5% точнее, чем предыдущий наиболее точный подход. Этот метод также имел значительно улучшенный уровень ложноположительного обнаружения при классификации плиток, снизив его примерно на 41,83% по сравнению с предыдущим наиболее точным подходом. Чтобы способствовать дальнейшим исследованиям в области обнаружения метана, исследователи выложили в открытый доступ как аннотированный набор данных, так и код, используемый для модели, на странице проекта на GitHub. Сейчас они изучают, сможет ли модель работать непосредственно на борту самого спутника, позволяя другим спутникам проводить последующие наблюдения в рамках инициативы NIO.space.
|
|
|
|
Ведущий научный сотрудник, доктор философии Вит Ружичка (факультет компьютерных наук Оксфордского университета) сказал: «Такая бортовая обработка может означать, что первоначально на Землю нужно будет отправлять только приоритетные оповещения, например, текстовый сигнал оповещения с координатами Идентифицированный источник метана. Кроме того, это позволит множеству спутников сотрудничать автономно: первоначальное слабое обнаружение может послужить сигналом для других спутников в созвездии, чтобы сфокусировать свои тепловизоры на интересующем месте».
|
|
|
|
Источник
|
