يكتشف الذكاء الاصطناعي أعمدة غاز الميثان من الفضاء.. أداة قوية في مكافحة تغير المناخ

قام باحثون من جامعة أكسفورد، بالشراكة مع NIO.space التابعة لشركة Trillium Technologies، بتطوير أداة للكشف تلقائيًا عن أعمدة الميثان على الأرض من المدار باستخدام التعلم الآلي مع البيانات الفائقة الطيفية.

وهذا يمكن أن يساعد في تحديد “الباعثات الفائقة” المفرطة لغاز الميثان وتمكين اتخاذ إجراءات أكثر فعالية للحد من انبعاثات غازات الدفيئة.

نُشرت النتائج التي تحمل عنوان “التقسيم الدلالي لأعمدة الميثان باستخدام نماذج التعلم الآلي الفائقة الطيفية” في مجلة Scientific Reports .

ورغم أن أهداف صافي الصفر تركز على انبعاثات ثاني أكسيد الكربون ، فإن مكافحة انبعاثات غاز الميثان تشكل أيضاً نشاطاً بالغ الأهمية لإبطاء ارتفاع درجات الحرارة.

إن فعالية الميثان في حبس الحرارة تبلغ 80 مرة فعالية ثاني أكسيد الكربون ، إلا أن عمره في الغلاف الجوي أقصر بكثير (حوالي 7 إلى 12 سنة مقارنة بالقرون).

وبالتالي فإن التحرك بسرعة للحد من انبعاثات غاز الميثان من المصادر البشرية من شأنه أن يخلف تأثيراً مباشراً على إبطاء ظاهرة الاحتباس الحراري وتحسين جودة الهواء.

الذكاء الاصطناعي يكتشف أعمدة غاز الميثان

تشير التقديرات إلى أن تخفيضات انبعاثات غاز الميثان التي يمكن تحقيقها بسهولة يمكن أن تؤدي إلى ما يقرب من 0.3 درجة مئوية من الانحباس الحراري الذي يمكن تجنبه على مدى العقدين المقبلين.

ومع ذلك، حتى الآن، لم يكن هناك سوى عدد قليل جدًا من الطرق لرسم خريطة لأعمدة الميثان بسهولة من الصور الجوية، وتستغرق خطوة المعالجة وقتًا طويلاً.

وذلك لأن غاز الميثان شفاف بالنسبة للعين البشرية وللنطاقات الطيفية المستخدمة في معظم أجهزة استشعار الأقمار الصناعية .

وحتى عندما تعمل أجهزة استشعار الأقمار الصناعية في النطاق الطيفي الصحيح للكشف عن غاز الميثان، فإن البيانات غالبا ما تكون محجوبة بسبب الضوضاء، مما يتطلب أساليب يدوية شاقة لتحديد الأعمدة بشكل فعال.

ضبط التوقيع المحدد للميثان وتصفية الضوضاء

تتغلب أداة جديدة للتعلم الآلي، طورها باحثون في أكسفورد، على هذه المشكلات من خلال الكشف عن أعمدة الميثان في البيانات الواردة من الأقمار الصناعية فائقة الطيف.

تكتشف هذه النطاقات الأضيق من الأقمار الصناعية متعددة الأطياف الأكثر شيوعًا، مما يسهل ضبط التوقيع المحدد للميثان وتصفية الضوضاء، ومع ذلك، فإن كمية البيانات التي تنتجها أكبر بكثير، مما يجعل من الصعب معالجتها بدون الذكاء الاصطناعي (AI).

قام الباحثون بتدريب النموذج باستخدام 167,825 بلاطة فائقة الطيف (يمثل كل منها مساحة 1.64 كيلومتر مربع ) تم التقاطها بواسطة جهاز الاستشعار الجوي AVIRIS التابع لناسا فوق منطقة فور كورنرز في الولايات المتحدة.

ثم تم تطبيق الخوارزمية على البيانات من أجهزة استشعار فائقة الطيفية أخرى في المدار، مثل البيانات تم جمعها من جهاز الاستشعار الفائق الطيفي الجديد التابع لناسا EMIT (مهمة التحقيق في مصدر الغبار المعدني لسطح الأرض) المرتبط بمحطة الفضاء الدولية ويوفر تغطية شبه عالمية للأرض.

بشكل عام، يتمتع النموذج بدقة تزيد عن 81% في الكشف عن أعمدة الميثان الكبيرة، وكان أكثر دقة بنسبة 21.5% من النهج السابق الأكثر دقة.

حققت الطريقة أيضًا تحسنًا ملحوظًا في معدل الكشف الإيجابي الكاذب لتصنيف البلاط، مما أدى إلى خفضه بحوالي 41.83% مقارنة بالطريقة السابقة الأكثر دقة.

بفتح المصدر لكل من مجموعة البيانات

لتعزيز المزيد من الأبحاث في الكشف عن غاز الميثان، قام الباحثون بفتح المصدر لكل من مجموعة البيانات المشروحة، والكود المستخدم للنموذج الموجود على صفحة المشروع في GitHub.

وهم الآن يستكشفون ما إذا كان النموذج يمكن أن يعمل مباشرة على متن القمر الصناعي نفسه، مما يسمح للأقمار الصناعية الأخرى بإجراء عمليات رصد للمتابعة كجزء من مبادرة NIO.space.

قال الباحث الرئيسي في برنامج DPhil Vít Růžička من قسم علوم الكمبيوتر، جامعة أكسفورد: “مثل هذه المعالجة على متن الطائرة قد تعني أنه في البداية لن يلزم إرسال سوى التنبيهات ذات الأولوية إلى الأرض، على سبيل المثال إشارة تنبيه نصية بإحداثيات كوكب الأرض”.

مصدر محدد للميثان، بالإضافة إلى ذلك، سيسمح هذا لسرب من الأقمار الصناعية بالتعاون بشكل مستقل: يمكن أن يكون الكشف الأولي الضعيف بمثابة إشارة إنذار للأقمار الصناعية الأخرى في الكوكبة لتركيز أجهزة التصوير الخاصة بها على الموقع محل الاهتمام.