Moderne teknologi giver os mange ting.

Hvordan AI kunne hjælpe videnskabsmænd med at opdage 'super-emitterende' metanfaner hurtigere - fra rummet


Η μείωση των επιβλαβών διαρροών μεθανίου «υπερεκπομπών» θα μπορούσε σύντομα να γίνει πολύ πιο εύκολη – χάρη σε ένα νέο εργαλείο ανοιχτού κώδικα που συνδυάζει μηχανική μάθηση και τροχιακά δεδομένα από πολλούς δορυ, συμπεριλαμβανομένου ενός συνδεδεμένου με τον Διεθνή ΔιαστηCo. Station.

Methanemissioner kommer fra hvor som helst fødevarer og plantemateriale nedbrydes uden ilt, herunder moser, lossepladser, fossile brændstoffer - og ja, kofarme. De er også berygtede for deres dramatiske effekt på luftkvaliteten. Selvom den kun kan forblive i atmosfæren i 7 til 12 år sammenlignet med CO2's lange levetid, er gassen stadig omkring 80 gange mere effektiv til at holde på varmen. At reducere produktionen med det samme er afgørende for at afværge de mest alvorlige kortsigtede konsekvenser af klimakollaps - at reducere emissionerne med 45 procent inden 2030 kan for eksempel reducere 0,3 grader celsius από τον αυξανόμενο μέσο όρο της θερμοας του πλανήτη τα επόμενα είκοσι χρόνια.

[Relaterede: Turkmenistans gasfelter udsender masser af metan.]

Desværre er det ofte svært for luftfotos nøjagtigt at kortlægge koncentrationer af metan-emissioner i realtid. For det første er faner fra såkaldte "hyperemission"-hændelser som olie- og gasrørledningsfejl (se: Turkmenistan) usynlige for det menneskelige øje, såvel som de nær-infrarøde multispektrale sensorer fra de fleste satellitter. Og de indsamlede luftdata bliver ofte kasseret af spektral støj, hvilket kræver manuel analyse for nøjagtigt at lokalisere metanlækager.

Et team fra Oxford University, der arbejder med Trillium Technologies NIO.space har udviklet en ny, open source værktøj drevet af maskinlæring, der kan identificere metanfaner ved hjælp af meget smallere hyperspektrale bånd af satellitbilleddata. Selvom disse zoner er mere specifikke, genererer de meget større mængder data - det er her, AI-træning er praktisk.

Projektet er detaljeret i ny forskning offentliggjort i Natur videnskabelige rapporter af et team på University of Oxford, sammen med en seneste universitetsprofil. For at træne deres model fodrede ingeniørerne den med i alt 167.825 hyperspektrale billedfliser - hver omkring 0,66 kvadratkilometer - skabt af NASA Luftbåren synlig/infrarød billeddannelsesspektrometer (AVIRIS) mens den er i kredsløb i Four Corners-regionen i USA. Modellen blev derefter trænet ved hjælp af yderligere orbitalmonitorer, inklusive NASA's EMIT hyperspektrale sensor, der i øjeblikket er ombord på den internationale rumstation.

Το τρέχον μοντέλο της ομάδας είναι περίπου 21,5 τοις εκατό πιο ακριβές στον εντοπισμό λοφίων μεθανίου από το υπάρχον κορυφαίο εργαλείο, ενώ ταυτόχρονα παρέχει σχεδόν 42 τοις εκατό λιγότερα σφάλματα ψευδούς ανίχνευσης σε σύγκριση με το ίδιο βιομηχανικό πρότυπο. Σύμφωνα με τους , δεν υπάρχει λόγος να πιστεύουμε ότι αυτοί οι αριθμοί δεν θα βελτιωθούν με την πάροδο του χρόνου.

[Relaterede: Nye satellitter kan lokalisere metanlækager for at hjælpe os med at bekæmpe klimaændringer.]

"Det, der gør denne forskning særligt spændende og relevant, er det faktum, at mange flere hyperspektrale satellitter skal udvikles i de kommende år, herunder af ESA, NASA og den private sektor," Vít Růžička, ledende forsker og ph.d. ved universitetet af Oxford. kandidat i IT-afdelingen, sagde under en seneste universitetsprofil. Efterhånden som dette satellitnetværk udvides, mener Růžička, at forskere og miljøvagthunde snart vil have evnen til automatisk og nøjagtigt at detektere metanfane-hændelser overalt i verden.

Disse nye teknikker kan snart muliggøre uafhængig, globalt kollaborativ identifikation af drivhusgasproduktion og lækageproblemer - ikke kun for metan, men for mange andre vigtige forurenende stoffer. Værktøjet bruger i øjeblikket forudindsamlede geospatiale data og er ikke i stand til at levere realtidsanalyse ved hjælp af kredsende satellitsensorer. I University of Oxfords seneste meddelelse tilføjer forskningsprojektvejleder Andrew Markham dog, at holdets langsigtede mål er at køre sine programmer gennem satellitternes indbyggede computere, "og dermed gøre øjeblikkelig detektion til en realitet."





VIA: popsci.com

Følg TechWar.gr på Google News

svar