Google Research y el JPL de la NASA utilizan IA para detectar metano con una tasa de identificación del 84%

es.wedoany.com Noticia: Google Research, en colaboración con el Laboratorio de Propulsión a Chorro (JPL) de la Administración Nacional de Aeronáutica y el Espacio (NASA), ha utilizado un marco de aprendizaje profundo denominado MAPL-EMIT para detectar y analizar penachos de metano desde el espacio. Según datos del Grupo Intergubernamental de Expertos sobre el Cambio Climático (IPCC), el metano, componente principal del gas natural, representa aproximadamente un tercio del efecto de calentamiento global actual. Dado que este gas es invisible al ojo humano, identificar puntos de fuga individuales ha sido uno de los principales desafíos en los esfuerzos de reducción de emisiones de metano.

MAPL-EMIT, cuyo nombre completo es "Methane Analysis and Plume Localisation with EMIT" (Análisis de Metano y Localización de Penachos con EMIT), se basa en la detección orbital de metano realizada por la NASA mediante el instrumento EMIT a bordo de la Estación Espacial Internacional. El diseño original de EMIT tenía como objetivo mapear la composición mineral de regiones áridas, pero su capacidad hiperespectral también permite capturar la firma química del metano. El instrumento registra cientos de bandas de luz diferentes para cada píxel, lo que permite a los investigadores detectar metano invisible en imágenes convencionales. Su campo de visión de 80 kilómetros, combinado con una resolución espacial de 60 metros, resulta adecuado para identificar emisiones de instalaciones individuales. Google Research ha aplicado técnicas de aprendizaje profundo a estos datos para automatizar la detección de metano a gran escala y la estimación de sus fuentes.

La dificultad de esta tecnología radica en que las imágenes satelitales pueden contener accidentes geográficos y materiales de superficie con características similares a las señales del metano. Kate Brandt, directora de sostenibilidad de Google, afirmó que el metano representa una de las oportunidades más rápidas y efectivas para mitigar el calentamiento global, aunque su invisibilidad al ojo humano dificulta su reducción y seguimiento. MAPL-EMIT, que utiliza el aprendizaje automático de Google y los datos del instrumento EMIT de la NASA, permite mejorar la detección de penachos de metano, la predicción y la estimación de sus fuentes. En pruebas con datos satelitales reales, MAPL-EMIT identificó con éxito el 84% de las fugas conocidas y detectó un 50% más de fugas potenciales en comparación con los métodos de detección tradicionales.

El sistema emplea una arquitectura de transformador de visión (vision transformer) que analiza el espectro de luz completo y el contexto espacial circundante, lo que permite distinguir los penachos de metano genuinamente desplazados por el viento de las características del terreno que podrían provocar falsas detecciones. También es capaz de analizar regiones industriales complejas donde las emisiones de múltiples instalaciones se superponen, realizando simultáneamente cuantificación mejorada, delineación de penachos y localización de fuentes para determinar la cantidad de metano presente, delimitar los límites de las emisiones y rastrear su origen.

El entrenamiento de modelos de inteligencia artificial capaces de identificar metano a nivel global enfrenta un cuello de botella en cuanto a datos: actualmente no existen conjuntos de datos etiquetados que contengan millones de penachos de metano reales en el mundo. Para abordar esta limitación, Google Research y el JPL de la NASA crearon 3,6 millones de penachos de metano sintéticos y los insertaron en escenarios EMIT reales. El equipo utilizó simulaciones basadas en la física para reproducir cómo se dispersan las partículas de metano en diferentes condiciones atmosféricas y geográficas, lo que permite que MAPL-EMIT aprenda de una gama más amplia de tasas de emisión, accidentes geográficos y morfologías de penachos, además de adquirir capacidad para la estimación de fuentes y la distinción de penachos superpuestos.

Validado con el conjunto de datos de penachos de metano L2B de la NASA como referencia, MAPL-EMIT capturó el 84% de los penachos anotados por expertos; en comparación con los métodos existentes, identificó aproximadamente un 50% más de penachos potenciales en alrededor de 1100 bloques de datos EMIT. El modelo es capaz de detectar emisiones más débiles y ha logrado mapear con éxito los penachos de 24 de los 25 vertederos con mayores emisiones a nivel mundial. Estas capacidades pueden ayudar a las partes interesadas a descubrir fuentes de emisión previamente ignoradas y proporcionar una base para priorizar los esfuerzos de reducción de emisiones.

Las instituciones que desarrollaron MAPL-EMIT también ponen recursos relacionados a disposición de usuarios externos. Google Research y el JPL de la NASA ofrecen una base de datos global de penachos a través de Google Earth Engine, modelos entrenados y los 3,6 millones de penachos sintéticos a través de Kaggle, y publican una biblioteca de inferencia en GitHub, proporcionando a investigadores y desarrolladores herramientas para utilizar esta tecnología. El equipo señaló que la apertura de estos recursos a la comunidad científica en general tiene como objetivo apoyar a investigadores, formuladores de políticas, líderes locales y la industria en la identificación de fuentes de metano.

Este lanzamiento coincide con la continua expansión del monitoreo satelital de metano. Google indicó que MAPL-EMIT puede servir como base para procesar un catálogo más amplio de datos EMIT, mientras que la NASA se prepara para lanzar la próxima generación de espectrómetros de imagen, con una cobertura prevista que se ampliará entre 30 y 50 veces. Una mayor cobertura satelital generará más datos ambientales por analizar, lo que plantea mayores exigencias para los métodos automatizados con capacidad de procesamiento a gran escala. Para las empresas de los sectores de energía, agricultura y residuos, datos de emisiones más detallados pueden respaldar reducciones específicas en lugar de depender de estimaciones aproximadas. MAPL-EMIT demuestra así el potencial sinérgico de la inteligencia artificial, la observación de la Tierra y los datos abiertos para transformar el monitoreo del metano en acción climática.