Jak by umělá inteligence mohla pomoci vědcům odhalit „ultraemisní“ metanové vlečky rychleji – z vesmíru

Snížení škodlivých „ultraemisních“ úniků metanu by mohlo být brzy mnohem snazší – díky novému open source nástroji, který kombinuje strojové učení a orbitální data z více satelitů, včetně jednoho připojeného k Mezinárodní vesmírné stanici.

Emise metanu vznikají kdekoli, kde se potraviny a rostlinná hmota rozkládají bez kyslíku, jako jsou močály, skládky, továrny na fosilní paliva – a ano, kravské farmy. Jsou také nechvalně známé svým dramatickým vlivem na kvalitu ovzduší. Přestože je tento plyn schopen setrvat v atmosféře pouhých 7 až 12 let ve srovnání se staletími dlouhou životností CO2, je stále odhadem 80krát účinnější při zadržování tepla. Okamžité snížení jeho produkce je nedílnou součástí pro odvrácení nejhrozivějších krátkodobých důsledků klimatického kolapsu – například snížení emisí o 45 procent do roku 2030 by mohlo v příštích dvaceti letech snížit o 0,3 stupně Celsia rostoucí teplotní průměr planety.

Bohužel je často pro letecké snímkování obtížné přesně zmapovat koncentrace emisí metanu v reálném čase. Za prvé, vlečky z takzvaných „ultraemisních“ událostí, jako jsou poruchy ropných plošin a zemního plynovodu (viz: Turkmenistán), jsou neviditelné lidským očím, stejně jako multispektrální senzory blízké infračervené vlnové délky většiny satelitů. A to, co jsou shromážděna letecká data, je často rušeno spektrálním šumem, což vyžaduje ruční analýzu, aby bylo možné přesně lokalizovat úniky metanu.

Tým University of Oxford spolupracující s NIO.space Trillium Technologies vyvinul nový open-source nástroj poháněný strojovým učením, který dokáže identifikovat metanová oblaka pomocí mnohem užších hyperspektrálních pásem satelitních zobrazovacích dat. Tato pásma, i když jsou specifičtější, produkují mnohem větší množství dat – což je místo, kde se hodí školení umělé inteligence.

Projekt je podrobně popsán v novém výzkumu publikovaném v Nature Scientific Reports týmem z Oxfordské univerzity spolu s nedávným univerzitním profilem. Aby trénovali svůj model, inženýři do něj vložili celkem 167 825 hyperspektrálních obrazových dlaždic – každý zhruba 0,66 čtverečních mil – generovaných družicí NASA Airborne Visible/Infrared Imaging Spectrometer (AVIRIS) na oběžné dráze kolem oblasti Four Corners v USA. Model byl následně trénován pomocí dalších orbitálních monitorů, včetně hyperspektrálního senzoru EMIT NASA, který je aktuálně na palubě Mezinárodní vesmírné stanice.

Současný model týmu je zhruba o 21,5 procenta přesnější při identifikaci oblaků metanu než stávající špičkový nástroj a zároveň poskytuje téměř o 42 procent méně chyb falešné detekce ve srovnání se stejným průmyslovým standardem. Podle výzkumníků není důvod se domnívat, že se tato čísla časem nezlepší.

„To, co činí tento výzkum obzvláště vzrušujícím a relevantním, je skutečnost, že v příštích letech má být rozmístěno mnohem více hyperspektrálních satelitů, včetně družic ESA, NASA a soukromého sektoru,“ Vít Růžička, vedoucí výzkumník a doktorand na Oxfordské univerzitě. kandidát na katedře informatiky, řekl během nedávného univerzitního profilu. S rozšiřováním této satelitní sítě Růžička věří, že výzkumníci a hlídači životního prostředí brzy získají schopnost automaticky a přesně detekovat metanové vlečky kdekoli na světě.

Tyto nové techniky by mohly brzy umožnit nezávislou, globálně spolupracující identifikaci problémů s produkcí skleníkových plynů a únikem – nejen u metanu, ale u mnoha dalších hlavních znečišťujících látek. Nástroj v současné době využívá již shromážděná geoprostorová data a není schopen v současné době poskytovat analýzu v reálném čase pomocí orbitálních satelitních senzorů. V nedávném oznámení Oxfordské univerzity však vedoucí výzkumného projektu Andrew Markham dodává, že dlouhodobým cílem týmu je spouštět své programy prostřednictvím palubních počítačů satelitů, čímž se „okamžitá detekce stane realitou“.