Træning af droner til at opdage drivhusgaskilder

Hvordan kortlægger man noget, der både er usynligt og lugtfrit? Forskere ved Universitetet i Oslo har trænet droner til at finde de bedste steder at måle drivhusgasser på egen hånd.

"At estimere sådanne gasfluxer er ikke let. Vi er virkelig på forkant med, hvad der gøres på dette område," siger ph.d. kandidat Alouette van Hove ved UiOs Institut for Geovidenskab.

Forestil dig tundraen på Svalbard. Eller de store, frosne tørveområder i Sibirien. Permafrosten har i tusinder af år sørget for, at kulstoffet i moserne er forblevet uforstyrret, men nu bliver det varmere. Metan og CO₂ gas frigives. Nu stiger gasserne fra jorden op i atmosfæren.

"At kunne kortlægge fluxer eller udvekslinger af drivhusgasser på jordens overflade er nødvendigt for at kvalitetssikre og kalibrere klimamodeller," siger van Hove.

Mil efter mil af tørvejord. Her, mellem den tørvede jord og luften ovenover, er der en udveksling, en flux, af gasser. De er vigtige brikker i den globale klimaligning, men de estimater, forskerne bruger i klimamodeller, er usikre.

At gasserne fortyndes, så snart de kommer ud i luften, og bliver båret væk af vind og vejr, gør det ikke nemmere. En del af løsningen kan være at måle emissionerne tæt på jorden ved hjælp af droner.

"Det, vi kan gøre, er at estimere fluxene ved at lave observationer. På denne måde kan vi justere modellerne med faktiske målinger," siger van Hove.

Intelligente målesystemer

Forestil dig, at det er din opgave at måle disse gasfluxer. Men området du kigger over er hundredvis af kvadratkilometer. Hvor er de? Hvor skal du måle?

"Gasserne er usynlige, og de lugter ikke. De kan kun detekteres med en gasanalysator. Men hvis man har et areal på 100 x 100 kvadratkilometer, kan man ikke undersøge hver meter," siger forsker Norbert Pirk.

Han leder forskningsprojektet ACTIVATE, som står for "Actively learning experimental design in terrestrial climate science." Projektet har til formål at forske i og udvikle intelligente målesystemer til brug i klimaforskning.

Droner bruges til at udføre de atmosfæriske målinger. Disse vil blive brugt til at estimere udvekslingen af ​​kulstof, vand og energi mellem jordens overflade og atmosfæren. Målingerne kombineres med data fra satellitter, samt mobile eller stationære måleinstallationer.

"Vi er optaget af samspillet mellem jordens overflade og atmosfæren. Mellem disse sker der en udveksling af vigtige drivhusgasser. Denne udveksling er ikke homogent fordelt over kloden. Den sker typisk i lokaliserede 'hot-spots'." Det er disse, vi skal finde,« siger Pirk.

Borte med vinden

Forskerne er med i jagten på sådanne hotspots og har Drone Lab ved Universitetet i Oslo. Her står flere droner klar til at tage ud på missioner i klimaforskningens tjeneste. Men først skal de have træning. Ph.D. Det har kandidat van Hove sørget for.

"Man kan ikke bare gå ind i et område og lave et sweep med dronen. Der er simpelthen for meget at måle. Desuden vil vejrforholdene gøre det sådan, at hvis man måler ti minutter senere, vil alt se anderledes ud," siger van Hove.

For at få det mest nøjagtige skøn over gasstrømmene skal de måle på de mest informative lokaliteter og tidspunkter.

"Vi skal optimere den tid, vi bruger med dronen," siger van Hove.

Hun har udviklet en metode, hvor de bruger belønningsdrevet læring — "reinforcement learning" — til at træne dronerne til at vide, hvor de skal lede efter de bedste steder at måle.

"For at træne dronerne skaber vi et kunstigt miljø, hvor dronerne kan øve sig. De får en belønning, hver gang de laver en bevægelse, der viser sig at være nyttig."

På denne måde kan dronen lære, om det var en god beslutning at vende den ene vej i stedet for den anden vej.

"Det kan sammenlignes med at træne hunde. Vi bruger belønninger til at træne dronen til at vælge den bedste handling," siger van Hove.

Prøver, fejler og lærer

I praksis sker det hele inde i et computerprogram, hvor dronernes "belønninger" ikke er andet end en bestemt funktion i programmet. Dronerne køres i "trial and error" eksperimenter, hvor dronen kan bevæge sig indenfor et givent område. I dette område kan dronerne udføre et givet antal handlinger (bevæge sig fremad, bagud, opad, nedad osv.), men de må ikke bevæge sig ud af området.

"Så der gives 'belønninger' for valg af handlinger, der efter en vis tid fører til et resultat, der er så tæt på sandheden som muligt, det vil sige gasfluxen," siger van Hove.

Gennem eksperimenter har van Hove været i stand til at vise, at sådanne trænede droner kan finde og måle sådanne hotspots af CO₂ emissioner mere præcist, end hvis dronen udfører en forprogrammeret søgning. Dette er selvom dronen i den forprogrammerede søgning er indstillet til at flyve over CO₂ kilde.

"Vi har vist, at det er muligt at træne droner til at estimere en parameter uden at skulle have forudgående kendskab til parameterens sande værdi," siger van Hove.

Nu skal de trænede droner testes i praksis. Snart tager Pirk og van Hove 12 droner til Svalbard.

"Nu skal vi til at teste dronerne ude i marken. Så skal de øve sig i at træffe beslutninger, mens de er i luften," siger Pirk.

Målet er at kunne sætte dronerne i arbejde på forskellige observatorier i Arktis, hvor der i øjeblikket er en særlig mangel på observationsdata.

"ACTIVATE-projektet vil strække sig over fem år, og jeg tror, ​​at målekampagnerne bliver større og mere komplekse i løbet af projektet," siger Pirk, der forestiller sig at have 12 droner i drift på Svalbard i sommeren 2025.

Leveret af Universitetet i Oslo