TROPOMIデータを用いてメタンのスーパーエミッターの自動検出のためのビジョン・トランスフォーマーとSAMの統合

科学分野:

• 環境科学
• リモートセンシング
• 人工知能

背景:

• メタン (CH4) は強力な温室効果ガスで 20年間で二酸化炭素より84倍も地球温暖化の可能性があります
• 人為的なメタン源のわずかな部分が,総排出量に不釣り合いに寄与しています.
• 遠隔検知技術は,様々な源からのメタンの排出を監視するためにますます重要になっています.

研究 の 目的:

• センチネル5P衛星データを用いてメタンのスーパーエミッターを特定するための自動化されたソリューションを開発する.
• メタンプームの検出と定量化のためのビジョン・トランスフォーマー (ViT) とセグメント・アニバーティモデル (SAM) を統合したディープ・ラーニング・フレームワークを活用する.
• 提案されたAI主導のアプローチの有効性を評価する.

主な方法:

• ピューム分類のためのVision Transformer (ViT) とピュームセグメンテーションのためのSegment Anything Model (SAM) を組み合わせたディープラーニングフレームワークが開発されました.
• ViTモデルは,オランダ宇宙研究所 (SRON) のメタンプルームデータで訓練され,全体の精度0.92を達成しました.
• 集積された質量増強 (IME) は,SAMで生成されたプームマスクからの排出率を定量化するために使用されました.

主要な成果:

• AIシステムは,タークメニスタン,スペイン,アルジェリア,アメリカを含む様々な地域で,最大92t/hの排出量を成功裏に検出しました.
• 量化された排出量は,同じ日付と場所のSRON値とほぼ一致しました.
• SAMコンポーネントは,マスク特有のトレーニングデータを必要とせずに,自動化され,一般化可能なマスク抽出を実証した.

結論:

• 先進的なAIモデル (ViT,SAM) とSentinel-5P衛星データの統合は,メタンのスーパーエミッター検出のための強力で自動化されたソリューションを提供します.
• このアプローチにより,気候変動の緩和に不可欠なメタンのモニタリングと環境評価の能力が著しく向上します.
• この研究は,地球規模で高影響メタン排出源をスケーラブルかつ効率的に特定する可能性を強調しています.