Искусственный интеллект обнаруживает выбросы метана из космоса и может стать мощным инструментом в борьбе с изменением климата

Исследователи из Оксфордского университета в партнерстве с NIO.space компании Trillium Technologies разработали инструмент для автоматического обнаружения выбросов метана на Земле с орбиты с использованием машинного обучения и гиперспектральных данных. Это может помочь выявить чрезмерные «супер-эмиттеры» метана и позволит предпринимать более эффективные действия по сокращению выбросов парниковых газов.

Хотя цели по достижению нулевых выбросов сфокусированы на CO₂, борьба с выбросами метана также критически важна для замедления роста температур. Метан в 80 раз эффективнее удерживает тепло, чем CO₂, но имеет гораздо меньший срок жизни в атмосфере (около 7–12 лет против столетий). Поэтому быстрые действия по сокращению антропогенных выбросов метана окажут немедленное влияние на замедление глобального потепления и улучшение качества воздуха. По оценкам, достижимое сокращение выбросов метана может предотвратить почти 0,3°C потепления в следующие два десятилетия.

До сих пор существовало очень мало методов для оперативного картирования выбросов метана по аэроснимкам, а этап обработки данных крайне трудоемок. Метан прозрачен как для человеческого глаза, так и для спектральных диапазонов, используемых большинством спутниковых сенсоров. Даже когда спутниковые датчики работают в правильном диапазоне для обнаружения метана, данные часто зашумлены, что требует трудоемкого ручного анализа.

Новый инструмент на основе машинного обучения, разработанный оксфордскими исследователями, решает эти проблемы, обнаруживая шлейфы метана в данных гиперспектральных спутников. Они детектируют более узкие полосы, чем более распространенные мультиспектральные спутники, что облегчает настройку на специфический спектральный сигнал метана и фильтрацию шумов. Однако объем производимых ими данных значительно больше, что делает обработку без искусственного интеллекта (ИИ) сложной задачей.

Исследователи обучили модель, используя 167 825 гиперспектральных тайлов (каждый представляет область в 1,64 км²), полученных аэросенсором NASA AVIRIS над районом Фоур-Корнерс в США. Затем алгоритм был применен к данным других гиперспектральных сенсоров на орбите, например, от нового гиперспектрального датчика NASA EMIT, установленного на Международной космической станции и обеспечивающего почти глобальное покрытие Земли.

В целом, точность модели для обнаружения крупных выбросов метана составляет более 81%, что на 21,5% точнее предыдущего наиболее точного подхода. Метод также значительно улучшил показатель ложноположительных срабатываний при классификации тайлов, снизив его примерно на 41,83%.

Для содействия дальнейшим исследованиям ученые открыли доступ как к размеченному набору данных, так и к коду модели на GitHub. Сейчас они изучают возможность работы модели непосредственно на борту спутника, что позволит другим спутникам проводить последующие наблюдения в рамках инициативы NIO.space.

Ведущий исследователь, аспирант Вит Ружичка, отметил: «Такая бортовая обработка может означать, что изначально на Землю нужно будет отправлять только приоритетные оповещения, например, текстовый сигнал с координатами выявленного источника метана. Кроме того, это позволит рою спутников автономно сотрудничать: первоначальное слабое обнаружение может служить сигналом для других спутников в созвездии сфокусировать свои камеры на интересующем месте».