Автоматическое обнаружение выбросов метана на мультиспектральных спутниковых снимках с использованием трансформера для компьютерного зрения

Automatic detection of methane emissions in multispectral satellite imagery using a vision transformer
Claudia Hulbert, Bertrand Rouet‐Leduc
2024-05-14

Sentinel-2обнаружение выбросов метанаточечные источники метанамультиспектральные спутниковые изображениязрительный трансформер
Сокращение выбросов метана является одной из наиболее эффективных мер, которые можно принять для замедления глобального потепления. Однако мониторинг выбросов остается сложной задачей, поскольку методы обнаружения характеризуются неполнотой количественной оценки из-за компромиссов между охватом, разрешением и точностью обнаружения. В настоящей работе показано, что глубокое обучение позволяет преодолеть компромисс, связанный со спектральным разрешением мультиспектральных спутниковых данных, и создать инструмент обнаружения метана с глобальным охватом, а также высоким временным и пространственным разрешением. Мы сопоставили результаты обнаружения с данными авиационных кампаний по измерению метана; это свидетельствует о том, что предложенный метод способен обнаруживать точечные источники метана на данных Sentinel-2 по шлейфам площадью до 0,01 км², что соответствует источникам с выбросами 200–300 кг CH₄ ч⁻¹. Наша модель обеспечивает улучшение на порядок по сравнению с современными методами и представляет собой значительный шаг к автоматизированному высокоразрешающему обнаружению выбросов метана в глобальном масштабе с интервалом в несколько дней.
1
Метод глубокого обучения на основе vision transformer обнаруживает точечные источники метана на мультиспектральных спутниковых снимках Sentinel-2 при глобальном охвате и высокой временно́й и пространственной детализации.
2
Сравнение с авиационными измерениями метана показывает, что метод обнаруживает шлейфы площадью всего 0,01 км², соответствующие источникам выбросов примерно 200–300 кг CH₄ в час.
3
Подход позволяет автоматически мониторить выбросы метана с высоким разрешением по всему миру примерно каждые несколько дней.
4
Метод устраняет компромисс, связанный со спектральным разрешением мультиспектральных спутниковых данных, повышая возможности обнаружения метана без потери широкого охвата.
5
Модель обеспечивает десятикратное улучшение по сравнению с современными методами автоматического обнаружения выбросов метана.

Выбросы метана из точечных источников, зафиксированные на мультиспектральных спутниковых снимках Sentinel-2

Автоматическое высокоразрешающее обнаружение и чувствительность к количественной оценке шлейфов метана с использованием глубокого обучения, включая охват, пространственное и временно́е разрешение

Publication Details
Publication Date
2024-05-14
Journal
Publisher
ISSN
Cited by
109
Access Type
Author Information
Authors
Claudia Hulbert
Bertrand Rouet‐Leduc
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%