Google Research и NASA JPL с помощью ИИ обнаруживают метан с точностью 84%

Репортаж от Wedoany，Google Research совместно с Лабораторией реактивного движения (JPL) NASA с помощью фреймворка глубокого обучения MAPL-EMIT обнаруживают и анализируют шлейфы метана из космоса. По данным Межправительственной группы экспертов по изменению климата (IPCC), метан — основной компонент природного газа — обусловливает около трети современного эффекта глобального потепления. Поскольку этот газ невидим невооружённым глазом, выявление отдельных точек утечки остаётся одной из главных сложностей в работе по сокращению выбросов метана.

MAPL-EMIT расшифровывается как «Анализ метана и локализация шлейфов на основе EMIT» (Methane Analysis and Plume Localisation with EMIT) и опирается на орбитальное обнаружение метана, которое NASA проводит с помощью прибора EMIT на Международной космической станции. Изначально EMIT был разработан для картирования минерального состава засушливых регионов, однако его гиперспектральные возможности позволяют также улавливать химические сигнатуры метана. Прибор регистрирует сотни различных световых диапазонов для каждого пикселя, что даёт исследователям возможность обнаруживать метан, невидимый на традиционных изображениях. Сочетание поля зрения шириной 80 км и пространственного разрешения 60 м делает прибор пригодным для выявления выбросов на уровне отдельных объектов. Google Research применила к этим данным технологии глубокого обучения для автоматизации крупномасштабного обнаружения метана и оценки его источников.

Сложность этой технологии заключается в том, что на спутниковых снимках могут присутствовать ландшафтные формы и поверхностные материалы, схожие по своим характеристикам с сигнатурами метана. Кейт Брандт (Kate Brandt), директор по устойчивому развитию Google, отмечает, что метан — одна из самых быстрых и эффективных возможностей для замедления глобального потепления, однако из-за своей невидимости он трудно поддаётся сокращению и отслеживанию. MAPL-EMIT, использующий машинное обучение Google и данные прибора EMIT NASA, позволяет улучшить обнаружение шлейфов метана, прогнозирование и оценку их источников. В ходе тестирования на реальных спутниковых данных MAPL-EMIT успешно идентифицировал 84% известных утечек и обнаружил на 50% больше потенциальных утечек по сравнению с традиционными методами.

Система использует архитектуру визуального трансформера (vision transformer), анализируя полный спектр света и окружающий пространственный контекст, что позволяет отличать настоящие шлейфы метана, разносимые ветром, от наземных особенностей, способных вызывать ложные срабатывания. Она также способна анализировать сложные промышленные зоны, где выбросы множества объектов перекрывают друг друга, одновременно выполняя улучшенную количественную оценку, оконтуривание шлейфов и локализацию источников, чтобы определять объём присутствующего метана, очерчивать границы выбросов и устанавливать их происхождение.

Обучение модели искусственного интеллекта, способной распознавать метан по всему миру, сталкивается с проблемой нехватки данных: в настоящее время не существует размеченных наборов данных, содержащих миллионы реальных шлейфов метана. В связи с этим Google Research и Лаборатория реактивного движения NASA создали 3,6 миллиона синтетических шлейфов метана и внедрили их в реальные сцены EMIT. Используя физическое моделирование, команда воспроизвела процессы распространения частиц метана в различных атмосферных и географических условиях, что позволило MAPL-EMIT обучаться на более широком диапазоне скоростей выбросов, типов ландшафта и форм шлейфов, а также освоить оценку источников и различение перекрывающихся шлейфов.

При проверке на основе набора данных NASA L2B по шлейфам метана MAPL-EMIT зафиксировал 84% шлейфов, размеченных экспертами; по сравнению с существующими методами он выявил примерно на 50% больше вероятных шлейфов в около 1100 блоках данных EMIT. Модель способна обнаруживать более слабые выбросы и успешно нанесла на карту шлейфы 24 из 25 крупнейших по объёму выбросов свалок в мире. Эти возможности помогают заинтересованным сторонам выявлять ранее незамеченные источники выбросов и служат основой для определения приоритетов в работе по их сокращению.

Организации, разработавшие MAPL-EMIT, также открывают соответствующие ресурсы для внешних пользователей. Google Research и Лаборатория реактивного движения NASA предоставляют глобальную базу данных шлейфов через Google Earth Engine, обученную модель и 3,6 миллиона синтетических шлейфов — через Kaggle, а также публикуют библиотеку для логического вывода на GitHub, предоставляя исследователям и разработчикам инструменты для использования этой технологии. Команда заявляет, что открытие ресурсов для более широкого научного сообщества направлено на поддержку исследователей, политиков, местных лидеров и представителей отрасли в выявлении источников метана.

Этот релиз происходит на фоне продолжающегося расширения спутникового мониторинга метана. Google сообщает, что MAPL-EMIT может служить основой для обработки более обширного каталога данных EMIT, а NASA готовит к запуску спектрометр следующего поколения, ожидаемый охват которого будет в 30–50 раз больше. Более широкое спутниковое покрытие приведёт к увеличению объёма экологических данных, требующих анализа, что повышает требования к автоматизированным методам, способным обрабатывать большие массивы информации. Для предприятий энергетического, сельскохозяйственного и отходоперерабатывающего секторов более детальные данные о выбросах позволяют проводить адресное сокращение вместо опоры на приблизительные оценки. Таким образом, MAPL-EMIT демонстрирует синергетический потенциал искусственного интеллекта, наблюдения за Землёй и открытых данных в деле превращения мониторинга метана в реальные климатические действия.