الريــم
11-28-2023, 01:40 PM
Investigadores brit?nicos han desarrollado una herramienta para detectar autom?ticamente columnas de metano en la Tierra desde la ?rbita utilizando aprendizaje autom?tico con datos hiperespectrales. Esto podr?a ayudar a identificar la ubicaci?n de "s?per emisores" de metano y actuar as? m?s r?pidamente contra estas emisiones de gases de efecto invernadero.
Aunque los objetivos de neutralidad clim?tica se centran en las emisiones de CO2, combatir las emisiones de metano también resulta fundamental para frenar el aumento de las temperaturas. Y es que el metano atrapa 80 veces m?s calor que el CO2, si bien tiene una vida atmosférica mucho m?s corta (alrededor de siete a 12 a?os en comparaci?n con los siglos que permanece el CO2).
Por lo tanto, actuar r?pidamente para reducir las emisiones de metano procedentes de fuentes humanas tendr?a un impacto inmediato en la desaceleraci?n del calentamiento global y la mejora de la calidad del aire. Se ha estimado que las reducciones f?cilmente alcanzables en las emisiones de metano podr?an evitar casi 0,3°C de calentamiento en las pr?ximas dos décadas.
Image ID:
95147217
El nuevo sistema ha demostrado su eficacia
Universidad de Oxford
/clip/97bed7ff-af46-4a9f-8013-382db93ae128_source-aspect-ratio_default_0.jpg
1280
704
Sin embargo, hasta ahora, ha habido muy pocos métodos para cartografiar f?cilmente las columnas de metano a partir de im?genes aéreas y su procesamiento requiere mucho tiempo. Esto se debe a que el gas metano es transparente tanto para el ojo humano como para los rangos espectrales utilizados en la mayor?a de los sensores satelitales. Incluso cuando dichos sensores operan en el rango espectral correcto para detectar metano, los datos a menudo quedan oscurecidos por el ruido, lo que requiere laboriosos métodos manuales para identificar eficazmente las columnas.
El nuevo sistema, mucho m?s eficaz
La nueva herramienta de aprendizaje autom?tico desarrollada por investigadores de Oxford (Reino Unido) supera estos problemas al detectar columnas de metano en datos de satélites hiperespectrales. ?stos detectan bandas m?s estrechas que los satélites multiespectrales m?s comunes, lo que facilita la sintonizaci?n de la firma espec?fica del metano y filtra el ruido. Sin embargo, la cantidad de datos que producen es mucho mayor, lo que dificulta su procesamiento sin inteligencia artificial (IA).
Los investigadores ensayaron el modelo utilizando 167.825 mosaicos hiperespectrales (cada uno de los cuales representa un ?rea de 1,64 km2) capturados por el sensor aéreo AVIRIS de la NASA sobre el ?rea de Four Corners de los EE. UU. Luego, el algoritmo se aplic? a datos de otros sensores hiperespectrales en ?rbita.
En general, el modelo tiene una precisi?n de m?s del 81% para detectar grandes columnas de metano y fue un 21,5% m?s preciso que el m?s detallado de los sistemas anteriormente existentes. El método también tuvo una tasa de detecci?n de falsos positivos significativamente mejorada, reduciéndolos en aproximadamente un 41,83% en comparaci?n con el sistema anterior.
Image ID:
95147338
El metano dura menos tiempo en la atm?sfera, pero calienta mucho m?s
Agencias
/clip/08fc9584-2054-4d3b-aa43-e9db0998a286_16-9-aspect-ratio_default_0.jpg
1440
960
Para promover m?s investigaciones en la detecci?n de metano, los investigadores han abierto tanto el conjunto de datos anotado como el c?digo utilizado para el modelo en la p?gina del proyecto en GitHub. Ahora est?n explorando si el modelo podr?a funcionar directamente a bordo del satélite, permitiendo que otros satélites realicen observaciones de seguimiento como parte de la iniciativa NIO.space.
El investigador principal, estudiante de doctorado, V?t R??i?ka (Departamento de Ciencias de la Computaci?n, Universidad de Oxford), afirm?: "Este procesamiento a bordo podr?a significar que inicialmente solo ser?a necesario enviar a la Tierra alertas prioritarias, por ejemplo, una se?al de alerta de texto con las coordenadas de una fuente de metano identificada. Adem?s, esto permitir?a que un enjambre de satélites colaborara de forma aut?noma: una detecci?n débil inicial podr?a servir como se?al de aviso para que los otros satélites de la constelaci?n enfoquen sus im?genes en la ubicaci?n requerida".
Estudio de referencia: DOI: 10.1038/s41598-023-44918-6
...............
Contacto de la secci?n de Medio Ambiente: crisisclimatica@prensaiberica.es
أكثر... (https://www.sport.es/es/noticias/medio-ambiente/ia-cazar-esquivas-peligrosas-emisones-95185398)
Aunque los objetivos de neutralidad clim?tica se centran en las emisiones de CO2, combatir las emisiones de metano también resulta fundamental para frenar el aumento de las temperaturas. Y es que el metano atrapa 80 veces m?s calor que el CO2, si bien tiene una vida atmosférica mucho m?s corta (alrededor de siete a 12 a?os en comparaci?n con los siglos que permanece el CO2).
Por lo tanto, actuar r?pidamente para reducir las emisiones de metano procedentes de fuentes humanas tendr?a un impacto inmediato en la desaceleraci?n del calentamiento global y la mejora de la calidad del aire. Se ha estimado que las reducciones f?cilmente alcanzables en las emisiones de metano podr?an evitar casi 0,3°C de calentamiento en las pr?ximas dos décadas.
Image ID:
95147217
El nuevo sistema ha demostrado su eficacia
Universidad de Oxford
/clip/97bed7ff-af46-4a9f-8013-382db93ae128_source-aspect-ratio_default_0.jpg
1280
704
Sin embargo, hasta ahora, ha habido muy pocos métodos para cartografiar f?cilmente las columnas de metano a partir de im?genes aéreas y su procesamiento requiere mucho tiempo. Esto se debe a que el gas metano es transparente tanto para el ojo humano como para los rangos espectrales utilizados en la mayor?a de los sensores satelitales. Incluso cuando dichos sensores operan en el rango espectral correcto para detectar metano, los datos a menudo quedan oscurecidos por el ruido, lo que requiere laboriosos métodos manuales para identificar eficazmente las columnas.
El nuevo sistema, mucho m?s eficaz
La nueva herramienta de aprendizaje autom?tico desarrollada por investigadores de Oxford (Reino Unido) supera estos problemas al detectar columnas de metano en datos de satélites hiperespectrales. ?stos detectan bandas m?s estrechas que los satélites multiespectrales m?s comunes, lo que facilita la sintonizaci?n de la firma espec?fica del metano y filtra el ruido. Sin embargo, la cantidad de datos que producen es mucho mayor, lo que dificulta su procesamiento sin inteligencia artificial (IA).
Los investigadores ensayaron el modelo utilizando 167.825 mosaicos hiperespectrales (cada uno de los cuales representa un ?rea de 1,64 km2) capturados por el sensor aéreo AVIRIS de la NASA sobre el ?rea de Four Corners de los EE. UU. Luego, el algoritmo se aplic? a datos de otros sensores hiperespectrales en ?rbita.
En general, el modelo tiene una precisi?n de m?s del 81% para detectar grandes columnas de metano y fue un 21,5% m?s preciso que el m?s detallado de los sistemas anteriormente existentes. El método también tuvo una tasa de detecci?n de falsos positivos significativamente mejorada, reduciéndolos en aproximadamente un 41,83% en comparaci?n con el sistema anterior.
Image ID:
95147338
El metano dura menos tiempo en la atm?sfera, pero calienta mucho m?s
Agencias
/clip/08fc9584-2054-4d3b-aa43-e9db0998a286_16-9-aspect-ratio_default_0.jpg
1440
960
Para promover m?s investigaciones en la detecci?n de metano, los investigadores han abierto tanto el conjunto de datos anotado como el c?digo utilizado para el modelo en la p?gina del proyecto en GitHub. Ahora est?n explorando si el modelo podr?a funcionar directamente a bordo del satélite, permitiendo que otros satélites realicen observaciones de seguimiento como parte de la iniciativa NIO.space.
El investigador principal, estudiante de doctorado, V?t R??i?ka (Departamento de Ciencias de la Computaci?n, Universidad de Oxford), afirm?: "Este procesamiento a bordo podr?a significar que inicialmente solo ser?a necesario enviar a la Tierra alertas prioritarias, por ejemplo, una se?al de alerta de texto con las coordenadas de una fuente de metano identificada. Adem?s, esto permitir?a que un enjambre de satélites colaborara de forma aut?noma: una detecci?n débil inicial podr?a servir como se?al de aviso para que los otros satélites de la constelaci?n enfoquen sus im?genes en la ubicaci?n requerida".
Estudio de referencia: DOI: 10.1038/s41598-023-44918-6
...............
Contacto de la secci?n de Medio Ambiente: crisisclimatica@prensaiberica.es
أكثر... (https://www.sport.es/es/noticias/medio-ambiente/ia-cazar-esquivas-peligrosas-emisones-95185398)