Globale metan-emissioner registreres automatisk i satellitbilleder ved hjælp af AI

Efterhånden som de globale temperaturer stiger til rekordhøje niveauer, er presset for at begrænse drivhusgasemissionerne blevet intensiveret. Metan er særligt målrettet, fordi dets betydelige globale opvarmningspotentiale på kort sigt overstiger kuldioxid med over 80 gange.

Overvågning af metan-emissioner og kompilering af deres mængder har imidlertid været udfordrende på grund af begrænsende afvejninger med eksisterende detektionsmetoder.

Nu har et forskerhold, herunder Kyoto University og Geolabe, U.S.A. udviklet en metode til automatisk at detektere metan-emissioner på globalt plan. Værket er publiceret i tidsskriftet Nature Communications .

"Vores tilgang kan potentielt give methan-detektion ved høj frekvens og høj opløsning fra punktkilder, hvilket banede vejen for en systematisk kvantificeringsmetode," siger hovedforfatter Bertrand Rouet-Leduc fra KyotoU's Disaster Prevention Research Institute og Geolabe.

Rouet-Leduc foreslår endvidere, at deres metode kan hjælpe med at prioritere og automatisk validere atmosfærisk afbødning af metan, som i øjeblikket tegner sig for cirka en tredjedel af den globale opvarmning.

Multispektrale satellitdata er dukket op som et levedygtigt metandetektionsværktøj i de seneste år, hvilket muliggør rutinemæssige målinger af metanfaner på globalt plan med få dages mellemrum. Men betydelig støj plager disse metandata, og indtil nu har detektioner været begrænset til meget store emissioner og har krævet menneskelig verifikation.

I modsætning hertil har holdet trænet en AI til automatisk at detektere metanlækager over 200 kg/t, hvilket tegner sig for over 85 % af metan-emissionerne i velundersøgte, store olie- og gasbassiner.

"Med satellitmålinger skal der foretages afvejninger mellem rumlig dækning, rumlig og tidsmæssig opløsning og spektral opløsning og tilhørende detektionsnøjagtighed. AI opvejer delvist disse afvejninger," forklarer medforfatter Claudia Hulbert, også fra Geolabe.

Metanfaner er usynlige og lugtfrie, så de opdages typisk med specialudstyr såsom infrarøde kameraer. Vanskeligheden ved at finde disse lækager fra rummet siger sig selv, ligesom at finde en nål i en høstak. Lækager er fordelt over hele kloden, og de fleste metanfaner er relativt små, hvilket gør dem nemme at gå glip af i satellitdata.

Gruppens samarbejde repræsenterer et vigtigt skridt hen imod en præcis, systematisk overvågning af metan-emissioner, hvor som helst på Jorden, med få dages mellemrum.

"Automatisering er altafgørende, når man analyserer store områder. Vi var overraskede over, at kunstig intelligens kan automatisere processen og dramatisk overgå det menneskelige øje med at detektere små metanfaner," reflekterer Rouet-Leduc.

"I vores næste fase planlægger vi at integrere yderligere satellitter i en global undersøgelse af metan-emissioner."

Flere oplysninger: Bertrand Rouet-Leduc et al., Automatisk detektion af methanemissioner i multispektrale satellitbilleder ved hjælp af en vision transformer, Nature Communications (2024). DOI:10.1038/s41467-024-47754-y

Journaloplysninger: Nature Communications

Leveret af Kyoto University