Google Research und NASA JPL entdecken Methan mit KI – Erkennungsrate 84 %

de.wedoany.com-Bericht: Google Research hat in Zusammenarbeit mit dem Jet Propulsion Laboratory (JPL) der NASA mithilfe des Deep-Learning-Frameworks MAPL-EMIT Methanfahnen aus dem Weltraum erkannt und analysiert. Nach Angaben des Zwischenstaatlichen Ausschusses für Klimaänderungen (IPCC) ist Methan der Hauptbestandteil von Erdgas und trägt zu etwa einem Drittel der heutigen globalen Erwärmung bei. Da das Gas mit bloßem Auge unsichtbar ist, war die Identifizierung einzelner Leckstellen eine der größten Herausforderungen bei der Methanreduzierung.

MAPL-EMIT steht für „Methane Analysis and Plume Localisation with EMIT“ und baut auf der orbitalen Methanerkennung der NASA mit dem EMIT-Instrument an Bord der Internationalen Raumstation auf. EMIT wurde ursprünglich zur Kartierung von Mineralien in Trockengebieten entwickelt, doch seine hyperspektrale Fähigkeit kann auch die chemische Signatur von Methan erfassen. Das Instrument zeichnet für jedes Pixel Hunderte verschiedener Lichtwellenlängenbereiche auf, sodass Forscher Methan entdecken können, das in herkömmlichen Bildern unsichtbar ist. Die Kombination aus einem Sichtfeld von 80 Kilometern und einer räumlichen Auflösung von 60 Metern eignet sich zur Identifizierung von Emissionen einzelner Anlagen. Google Research wendet Deep-Learning-Techniken auf diese Daten an, um die großflächige Methanerkennung und Quellenabschätzung zu automatisieren.

Die Schwierigkeit dieser Technologie liegt darin, dass Satellitenbilder Geländeformationen und Oberflächenmaterialien enthalten können, die Methansignalen ähneln. Kate Brandt, Chief Sustainability Officer bei Google, erklärte, Methan biete eine der schnellsten und wirksamsten Gelegenheiten zur Abschwächung der globalen Erwärmung, sei aber wegen seiner Unsichtbarkeit schwer zu reduzieren und zu verfolgen. MAPL-EMIT nutzt Googles maschinelles Lernen sowie Daten des NASA-EMIT-Instruments und kann so die Erkennung von Methanfahnen, Vorhersagen und Quellenabschätzung verbessern. In Tests mit realen Satellitendaten identifizierte MAPL-EMIT erfolgreich 84 % der bekannten Lecks und entdeckte 50 % mehr potenzielle Lecks als herkömmliche Erkennungsmethoden.

Das System verwendet eine Vision-Transformer-Architektur, die das gesamte Lichtspektrum und den räumlichen Hintergrund analysiert, um echte, vom Wind verwehte Methanfahnen von Bodenmerkmalen zu unterscheiden, die Fehlerkennungen verursachen könnten. Es kann auch komplexe Industriegebiete auflösen, in denen sich Emissionen mehrerer Anlagen überlappen, und führt gleichzeitig eine verbesserte Quantifizierung, Fahnenbeschreibung und Quellenlokalisierung durch, um die Methanmenge zu bestimmen, Emissionsgrenzen festzulegen und die Quelle zurückzuverfolgen.

Das Training von KI-Modellen zur globalen Methanerkennung steht vor einem Datenengpass: Derzeit gibt es keinen annotierten Datensatz mit Millionen realer Methanfahnen aus der Praxis. Aus diesem Grund erstellten Google Research und das NASA-JPL 3,6 Millionen synthetische Methanfahnen und fügten diese in reale EMIT-Szenen ein. Das Team nutzte physikbasierte Simulationen, um die Ausbreitung von Methanpartikeln unter verschiedenen atmosphärischen und geografischen Bedingungen nachzubilden, sodass MAPL-EMIT aus einer breiteren Palette von Emissionsraten, Geländeformen und Fahnenmustern lernen sowie Fähigkeiten zur Quellenabschätzung und Unterscheidung überlappender Fahnen entwickeln kann.

Bei der Validierung anhand des NASA-L2B-Methanfahnen-Datensatzes erfasste MAPL-EMIT 84 % der von Experten annotierten Fahnen; im Vergleich zu bestehenden Methoden identifizierte es in etwa 1.100 EMIT-Datenblöcken rund 50 % mehr mögliche Fahnen. Das Modell kann schwächere Emissionen erkennen und hat erfolgreich Fahnen von 24 der 25 weltweit größten Mülldeponien kartiert. Diese Fähigkeiten können relevanten Akteuren helfen, zuvor übersehene Emissionsquellen zu entdecken und eine Grundlage für die Priorisierung von Reduktionsmaßnahmen zu schaffen.

Die Entwickler von MAPL-EMIT stellen die entsprechenden Ressourcen auch externen Nutzern zur Verfügung. Google Research und das NASA-JPL bieten über Google Earth Engine eine globale Fahnendatenbank an, über Kaggle das trainierte Modell sowie 3,6 Millionen synthetische Fahnen und veröffentlichen auf GitHub eine Inferenzbibliothek, um Forschern und Entwicklern Werkzeuge zur Nutzung dieser Technologie bereitzustellen. Das Team erklärte, die Öffnung der Ressourcen für die breitere wissenschaftliche Gemeinschaft ziele darauf ab, Forscher, politische Entscheidungsträger, lokale Führungskräfte und die Industrie bei der Identifizierung von Methanquellen zu unterstützen.

Diese Veröffentlichung erfolgt in einer Zeit der kontinuierlichen Ausweitung der satellitengestützten Methanüberwachung. Google gab an, dass MAPL-EMIT als Grundlage für die Verarbeitung des breiteren EMIT-Datenkatalogs dienen kann, während die NASA ein Spektrometer der nächsten Generation vorbereitet, dessen Abdeckung voraussichtlich um das 30- bis 50-fache erweitert wird. Eine größere Satellitenabdeckung wird mehr Umweltdaten erzeugen, die analysiert werden müssen, was höhere Anforderungen an automatisierte Methoden mit großer Verarbeitungskapazität stellt. Für Unternehmen in den Bereichen Energie, Landwirtschaft und Abfallwirtschaft können detailliertere Emissionsdaten gezielte Reduktionsmaßnahmen unterstützen, anstatt sich auf grobe Schätzungen zu verlassen. MAPL-EMIT demonstriert damit das Synergiepotenzial von künstlicher Intelligenz, Erdbeobachtung und offenen Daten, um Methanüberwachung in Klimaschutzmaßnahmen umzuwandeln.