衛星画像によるディープラーニングを用いた米国とカナダの天然ガス圧縮所の地域地図作成

科学分野:

• 環境科学
• リモートセンシング
• 機械学習

背景:

• 精密な石油・ガスインフラストラクチャのマッピングは,排出量分類とコミュニティの汚染影響評価に不可欠です.
• 既存のオープンアクセスデータセットは,特にメタン排出と有害な汚染の重要な源である天然ガス圧縮ステーションについては,包括的なカバーが欠けている.

研究 の 目的:

• 衛星画像で天然ガスの圧縮スタンドを検出するための最初の自動化されたディープラーニングアプローチを開発する.
• 石油・ガスインフラストラクチャのデータベースの正確性を向上させ,汚染物質に対する人口の潜在的過小評価を評価する.

主な方法:

• コンプレッサーステーション検出のための様々なディープラーニングニューラルネットワークアーキテクチャと画像解像度で実験した.
• 石油とガスパイプラインの近接により,モデルの精度が向上します.
• マルセラス・シェイルの20万km2に 最良のモデルを展開しました

主要な成果:

• 最高のディープラーニングモデルは 0.95のリコールで 0.81の精度を達成しました
• マルセルス・シェール地域では,これまでに報告されていない1103のコンプレッサー・ステーションが特定されました.
• 新たに検出されたステーションを含めると,人口の汚染物質への曝露は最大74%まで過小評価される可能性があることが示されました.

結論:

• 機械学習は環境管理のためのインフラマッピングを強化するための強力なツールです.
• 天然ガスの圧縮スタンドの自動検出は,排出量インベントリーと汚染被曝評価の正確さを向上させます.
• このアプローチは石油・ガス産業の環境と健康への影響を より良く理解し,軽減するために不可欠です.