Що сталося
Google і NASA JPL розробили модель штучного інтелекту під назвою MAPL-EMIT, яка використовує дані супутникового приладу NASA EMIT для виявлення, кількісної оцінки та локалізації метанових шлейфів у всьому світі. Модель була навчена на 3,6 мільйонах шлейфів метану, змодельованих за допомогою фізики, і виявляє на 50% більше шлейфів, ніж люди-експерти. Було виявлено понад 23 000 додаткових шлейфів по всьому світу, включно з шлейфами на 24 з 25 найбільших у світі сміттєзвалищ.
Модель MAPL-EMIT — це наскрізний трансформатор зору, який обробляє повний спектр випромінювання EMIT для спільного отримання покращень метану в усіх пікселях сцени. Він поєднує трансформаторний кодер Swin‑v2‑S із згортковим декодером у архітектурі, схожій на U‑Net, і виконує три завдання одночасно: кількісне визначення посилення метану на піксель, окреслення форми та меж кожного потоку та локалізація кожного джерела викидів.
Модель була навчена на 3,6 мільйонах синтетичних шлейфів, згенерованих за допомогою конвеєра симуляції на основі фізики та введених у реальні сцени EMIT. Дослідники розділили 235 000 плиток EMIT на набори для навчання, перевірки та тестування та навчили модель на 32 мікросхемах Google TPU протягом приблизно 96 годин.
У реальних тестах MAPL‑EMIT зафіксував 84% анотованих вручну комплексів шлейфів NASA EMIT L2B у тестовому наборі з 1084 гранул EMIT, визначивши приблизно в 1,5 рази більше правдоподібних шлейфів, ніж люди-аналітики.
Чому це важливо
Модель штучного інтелекту має значні наслідки для моніторингу та зменшення викидів метану. Метан є сильним парниковим газом із потенціалом зігрівання, який у 30 разів перевищує потенціал вуглекислого газу протягом 100 років. Модель може допомогти ідентифікувати та відстежувати викиди метану з різних джерел, включаючи звалища, сільське господарство та виробництво енергії. Цю інформацію можна використовувати для прийняття політичних рішень і стратегій пом’якшення наслідків для зменшення викидів метану та боротьби зі зміною клімату.
Високий потенціал глобального потепління метану робить точне виявлення вирішальним для пом’якшення клімату; модель покращує показники виявлення шлейфів на 50 % порівняно з експертами-людьми та виявляє тисячі раніше незареєстрованих джерел.
Визначаючи викиди зі сміттєзвалищ, сільського господарства та енергетичних об’єктів, MAPL‑EMIT надає актуальні дані для регуляторів і компаній, які прагнуть досягти глобальної мети скорочення викидів метану на 30% до 2030 року.
Краща просторова роздільна здатність моделі (60 м) у порівнянні з існуючими супутниковими продуктами дає змогу присвоювати джерело на рівні джерела, підтримуючи зусилля з цілеспрямованого ремонту та зменшення в секторах з високим рівнем викидів.
Інтерактивний механізм: як він насправді працює
Дослідіть технологію, що лежить в основі цієї розробки, в інтерактивному режимі.
A route planner searches possible journeys using explicit rules. What does this illustrate about AI?
Що дивитися далі
Майбутні розробки та застосування моделі MAPL-EMIT, включаючи її потенційну інтеграцію з іншими супутниковими приладами та використання в різних галузях промисловості. Здатність моделі виявляти та кількісно оцінювати шлейфи метану може мати значні наслідки для таких секторів, як нафта і газ, сільське господарство та управління відходами.
Інтеграція результатів MAPL‑EMIT у загальнодоступні інструменти Earth Engine і те, як політики та промисловість запроваджують дані для програм скорочення викидів.
Потенційне розширення підходу до інших парникових газів і багатосупутникового пошуку, оскільки спектрометри NASA нового покоління візуалізуються в мережі.
Оцінка хибнопозитивних показників у складному рельєфі та подальші уточнення, які можуть підвищити надійність для оперативного моніторингу.