Mapping global methane emissions from space with deep learning
El metano es un gas de efecto invernadero extremadamente potente, con un potencial de calentamiento 30 veces mayor que el del dióxido de carbono en un periodo de 100 años. Desde el inicio de la era industrial, ha sido responsable de aproximadamente el 25% del calentamiento inducido por el ser humano. Reducir rápidamente estas emisiones ofrece una vía crítica para mitigar el aumento global de la temperatura. Esta urgencia se refleja en el Compromiso Global de Metano, donde más de 125 países se han comprometido a reducir un 30% sus emisiones para 2030.
Para lograr estos objetivos, es esencial que los interesados puedan rastrear las fuentes puntuales de emisiones, que ocurren en una pequeña área espacial, en sectores como el de residuos, agricultura y energía. Las estrategias más rentables se centran en mitigar las emisiones de la infraestructura de petróleo y gas, instalaciones agrícolas y vertederos. Los científicos están recurriendo cada vez más a la imagen satelital para rastrear estas emisiones a nivel global.
Un ejemplo destacado es el instrumento EMIT de la NASA en la Estación Espacial Internacional, diseñado originalmente para mapear la composición mineral en regiones áridas. Sin embargo, sus capacidades hiperespectrales avanzadas han sido aprovechadas para detectar emisiones de metano. Al registrar cientos de bandas de luz distintas por cada píxel, permite a los investigadores «ver» las huellas químicas únicas de estos gases invisibles.
En este contexto, Google Research ha desarrollado el modelo Methane Analysis and Plume Localization with EMIT (MAPL-EMIT), un marco de aprendizaje profundo que automatiza la detección, cuantificación y estimación de fuentes de plumas de metano a nivel global. Este enfoque convierte los datos satelitales en acciones de mitigación escalables. El modelo MAPL-EMIT logra un alto recuerdo del 84% en plumas anotadas por expertos y tiene una alta relación señal-ruido en comparación con los métodos de mejora basados en filtros coincidentes existentes.
Para apoyar a la comunidad científica, Google está liberando su base de datos global de plumas en Earth Engine, junto con el modelo entrenado y plumas sintéticas en Kaggle y una biblioteca de inferencia en Github. Este trabajo se alinea con el esfuerzo más amplio de Google detrás de Google Earth AI, una colección de modelos geoespaciales y conjuntos de datos para convertir datos planetarios en inteligencia procesable.
Fuente: https://research.google/blog/mapping-global-methane-emissions-from-space-with-deep-learning/