L’IA détecte des panaches de méthane depuis l’espace et pourrait être un outil puissant dans la lutte contre le changement climatique
Des chercheurs de l’Université d’Oxford, en partenariat avec NIO.space de Trillium Technologies, ont développé un outil permettant de détecter automatiquement les panaches de méthane sur Terre depuis l’orbite en utilisant l’apprentissage automatique avec des données hyperspectrales. Cela pourrait aider à identifier les « superémetteurs » excessifs de méthane et permettre une action plus efficace pour réduire les émissions de gaz à effet de serre.
Les résultats, intitulés « Segmentation sémantique des panaches de méthane avec des modèles d’apprentissage automatique hyperspectraux », ont été publiés dans Rapports scientifiques.
Bien que les objectifs Net Zero se concentrent sur le CO2 émissions, la lutte contre les émissions de méthane est également une activité essentielle pour ralentir la hausse des températures. Le méthane est 80 fois plus efficace pour piéger la chaleur que le CO2, mais sa durée de vie atmosphérique est beaucoup plus courte (environ sept à 12 ans contre plusieurs siècles). Agir rapidement pour réduire les émissions de méthane d’origine anthropique aurait donc un impact immédiat sur le ralentissement du réchauffement climatique et l’amélioration de la qualité de l’air. On estime que des réductions facilement réalisables des émissions de méthane pourraient permettre d’éviter près de 0,3°C de réchauffement au cours des deux prochaines décennies.
Cependant, jusqu’à présent, il n’existait que très peu de méthodes permettant de cartographier facilement les panaches de méthane à partir d’images aériennes et l’étape de traitement prend beaucoup de temps. En effet, le méthane est transparent à la fois pour l’œil humain et pour les plages spectrales utilisées dans la plupart des capteurs satellitaires. Même lorsque les capteurs satellite fonctionnent dans la plage spectrale appropriée pour détecter le méthane, les données sont souvent obscurcies par le bruit, ce qui nécessite des approches manuelles laborieuses pour identifier efficacement les panaches.
Un nouvel outil d’apprentissage automatique développé par des chercheurs d’Oxford surmonte ces problèmes en détectant les panaches de méthane dans les données des satellites hyperspectraux. Ceux-ci détectent des bandes plus étroites que les satellites multispectraux plus courants, ce qui facilite l’adaptation à la signature spécifique du méthane et le filtrage du bruit. Cependant, la quantité de données qu’ils produisent est beaucoup plus importante, ce qui rend difficile leur traitement sans intelligence artificielle (IA).
Les chercheurs ont formé le modèle à l’aide de 167 825 tuiles hyperspectrales (chacune représentant une superficie de 1,64 km).2) capturé par le capteur aérien AVIRIS de la NASA au-dessus de la région de Four Corners aux États-Unis. L’algorithme a ensuite été appliqué aux données d’autres capteurs hyperspectraux en orbite, telles que les données collectées par le nouveau capteur hyperspectral de la NASA EMIT (Earth Surface Mineral Dust Source Investigation mission) qui est attaché à la Station spatiale internationale et offre une couverture quasi mondiale de la Terre.
Dans l’ensemble, le modèle a une précision de plus de 81 % pour détecter les grands panaches de méthane, et était 21,5 % plus précis que l’approche précédente la plus précise. La méthode a également permis d’améliorer considérablement le taux de détection des faux positifs pour la classification des carreaux, le réduisant d’environ 41,83 % par rapport à l’approche précédente la plus précise.
Pour promouvoir de nouvelles recherches sur la détection du méthane, les chercheurs ont ouvert l’ensemble de données annotées et le code utilisé pour le modèle sur la page du projet sur GitHub. Ils étudient actuellement si le modèle pourrait fonctionner directement à bord du satellite lui-même, permettant ainsi à d’autres satellites d’effectuer des observations de suivi dans le cadre de l’initiative NIO.space.
Vít Růžička, chercheur principal et étudiant en doctorat (Département d’informatique, Université d’Oxford), a déclaré : « Un tel traitement à bord pourrait signifier qu’au départ, seules les alertes prioritaires devraient être renvoyées sur Terre, par exemple un signal d’alerte textuel avec les coordonnées de une source de méthane identifiée. De plus, cela permettrait à un essaim de satellites de collaborer de manière autonome : une première détection faible pourrait servir de signal d’avertissement pour que les autres satellites de la constellation concentrent leurs imageurs sur l’emplacement d’intérêt.
Plus d’information:
Vít Růžička et al, Segmentation sémantique des panaches de méthane avec des modèles d’apprentissage automatique hyperspectraux, Rapports scientifiques (2023). DOI : 10.1038/s41598-023-44918-6
Fourni par l’Université d’Oxford
Citation: L’IA détecte des panaches de méthane depuis l’espace, pourrait être un outil puissant dans la lutte contre le changement climatique (24 novembre 2023) récupéré le 24 novembre 2023 sur
Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans autorisation écrite. Le contenu est fourni seulement pour information.