Global monitoring of methane point sources using deep learning on hyperspectral radiance measurements from EMIT
تقدم الورقة البحثية نموذج MAPL-EMIT، وهو نموذج محول رؤية (vision transformer) متكامل من طرف إلى طرف يستفيد من بيانات EMIT فائقة الطيف كاملة الطيف لأتمتة الكشف عالي الإنتاجية، والتقدير الكمي، وتحديد المواقع لمصادر الميثان النقطية العالمية بحساسية وقابلية للتوسع أكبر بكثير مقارنة بالنهج اليدوية أو نهج المرشح المطابق الحالية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أن الأرض عبارة عن مدينة ضخمة ومزدحمة، ولكن بدلاً من البشر، هي مليئة بسحب غير مرئية من غاز الميثان التي تتسرب من المصانع، ومطامر النفايات، ومنصات استخراج النفط. الميثان هو غاز دفيئة قوي للغاية — يشبه بطانية ثقيلة وغير مرئية تحبس الحرارة وتعمل على تدفئة الكوكب بسرعة أكبر بكثير من ثاني أكسيد الكربون. لإيقاف الكوكب عن الارتفاع في درجة حرارته، نحتاج إلى العثور على هذه التسريبات وإصلاحها.
المشكلة؟ هذه التسريبات غالباً ما تكون صغيرة، مخفية، ومتناثرة في جميع أنحاء العالم. العثور عليها يشبه محاولة رصد قطرة حبر واحدة تسقط في مسبح بينما تنظر إلى المسبح من قمر صناعي يبعد 400 كيلومتر (250 ميلاً) في الفضاء.
تقدم هذه الورقة البحثية محققاً ذكياً للغاية يسمى MAPL-EMIT. وإليك كيفية عمله، مشروحاً ببساًطة:
1. الأداة: كاميرا فائقة الدقة (EMIT)
أولاً، نحتاج إلى كاميرا. تمتلك وكالة ناسا أداة خاصة على متن محطة الفضاء الدولية تسمى EMIT.
- التشبيه: فكر في الكاميرا العادية التي تلتقط صوراً بالأبيض والأسود أو ببعض الألوان فقط. أما EMIT فهي تشبه كاميرا ترى 285 لوناً مختلفاً من الضوء (من الضوء المرئي إلى الأشعة تحت الحمراء).
- لما لماذا هذا مهم؟ للميثان "بصمة" محددة في هذه الألوان. عندما يتواجد الميثان، فإنه يمتص درجات معينة من الضوء. يمكن لـ EMIT رؤية هذه البصمة، لكن الإشارة غالباً ما تكون خافتة ومختلطة مع الضوضاء الخلفية للأرض بالأسفل (مثل الصخور، الأشجار، أو المباني).
2. الطريقة القديمة: المحقق البشري
في السابق، كان العلماء ينظرون إلى البيانات من EMIT باستخدام طريقة تسمى "المرشح المتوافق" (matched filter).
- التشبيه: تخيل أنك تبحث عن نوع معين من الطيور في غابة. لديك قائمة بمواصفات شكل هذا الطائر. تقوم بمسح الأشجار، وإذا بدا شيء ما يشبه الطائر نوعاً ما، فإنك تضع علامة عليه.
- المشكلة: هذه الطريقة بطيئة. فهي تتطلب خبيراً بشرياً ينظر إلى آلاف الصور، ليقرر ما إذا كانت تلك البقعة طائراً حقيقياً أم مجرد خدعة من الضوء، ثم يرسم مربعاً حوله. الأمر يشبه محاولة العثور على إبر في كومة قش يدوياً. وأيضاً، إذا كان "الطائر" صغيراً أو إذا كان هناك طائران يطيران بجانب بعضهما البعض مباشرة (سحب متداخلة)، فإن الإنسان غالباً ما يخطئ في رؤيتهما أو يصاب بالارتباك.
3. الطريقة الجديدة: المحقق الذكي (MAPL-EML)
قام المؤلفون ببناء نموذج تعلم عميق (نوع من أنواع الذكاء الاصطناعي) يسمى MAPL-EMIT.
- التشبيه: بدلاً من أن ينظر إنسان إلى نقطة واحدة في كل مرة، تخيل محققاً فائق الذكاء يمكنه النظر إلى الغابة بأكملها في وقت واحد. هذا المحقق لا ينظر فقط إلى شكل الطائر؛ بل يفهم السياق. فهو يعرف أن الطيور تطير عادةً في أنماط معينة، وأن الرياح تهب في اتجاه محدد، وأن الأشجار في الخلفية لا ينبغي أن تبدو كطائر.
- كيف يتعلم: نظراً لعدم وجود صور حقيقية كافية لتسريبات الميثان لتعليم الذكاء الاصطناعي، قام العلماء بإنشاء 3.6 مليون تسريب وهمي باستخدام عمليات محاكاة فيزيائية. لقد "حقنوا" هذه التسريبات الوهمية في صور حقيقية للأرض التقطتها الأقمار الصناعية. لقد علموا الذكاء الاصطناعي كيفية تمييز الفرق بين تسريب حقيقي وآخر وهمي، مراراً وتكراراً، حتى أصبح بارعاً.
4. ما الذي يجعل MAPL-EMIT مميزاً؟
تسلط الورقة الضوء على ثلاث قدرات خارقة لهذا الذكاء الاصطناعي الجديد:
- إنه يرى "غير المرئي": يمكنه رصد تسريبات أصغر بكثير من الطرق القديمة. إنه يشبه الفرق بين رؤية شخص بمنظار وبين رؤيته بتلسكوب عالي القدرة. إنه يخفض "حد الكشف"، فيجد تسريبات كانت في السابق ضعيفة جداً بحيث لا يمكن رؤيتها.
- إنه يفك "العقد": في المناطق الصناعية، غالباً ما تختلط التسريبات من مصانع مختلفة لتشكل سحابة واحدة كبيرة. الطريقة القديمة كانت ترى كتلة واحدة كبيرة. أما MAPL-EMIT فيمكنه فصلها، حيث يحدد أن هناك في الواقع مصدرين مختلفين ويرسم دائرتين منفصلتين حولهما.
- إنه يعمل بسرعة الضوء: الطريقة القديمة كانت تستغرق أسابيع من البشر لتحليل منطقة صغيرة. أما MAPL-EMIT فيمكنه مسح قاعدة البيانات العالمية بأكملها من صور الأقمار الصناعية في جزء ضئيل من الوقت. إنه يحول عملية يدوية بطيئة إلى مسح آلي عالي السرعة.
5. النتائج: الإمساك بالمزيد من المجرمين
اختبر العلماء هذا الذكاء الاصطناعي مقابل بيانات من العالم الحقيقي:
- اختبار "المعيار الذهبي": قارنوه بأفضل عمل يدوي لفريق ناسا. وجد الذكاء الاصطناعي 79% من التسريبات التي وجدها البشر، ولكنه وجد أيضاً ضعف عدد التسريبات الجديدة والمعقولة التي فاتت البشر.
- اختبار "مطامر النفايات": مطامر النفايات هي أماكن فوضوية بها الكثير من الظلال المربكة والروائح. نجح الذكاء الاصطناعي في العثيد على تسريبات في 24 من أصل أفضل 25 مكاناً للنفايات في العالم، حتى عندما كانت السحب تحجب الرؤية جزئياً.
- اختبار "التسريب الوهمي": تحققوا مما إذا كان الذكاء الاصطناعي يتخيل أشياء (يهلوس). وجدوا أنه بينما قد يشير إلى بعض الأمور التي قد تكون إنذارات كاذبة، إلا أن الغالبية العظمى من اكتشافاته الجديدة هي اكتشافات حقيقية.
الصورة الكبيرة
هذه الورقة البحثية هي نقطة تحول في العمل المناخي. فباستخدام الذكاء الاصطناعي لأتمتة البحث عن تسريبات الميثان، يمكننا الانتقال من "الفحص العشوائي" لبعض الأماكن إلى مراقبة الكوكب بأكمله بشكل مستمر.
الاستعارة:
إذا كانت مشكلة الميثان في الأرض تشبه منزلاً به آلاف الثقوب الصغيرة التي يتسرب منها الهواء، فإن الطريقة القديمة كانت تشبه إرسال شخص ليمشي حول المنزل ومعه مصباح يدوي، يفحص جداراً واحداً في كل مرة. أما MAPL-EMIT فهو يشبه وضع نظام طائرات بدون طيار (درون) ذكي ومؤتمت على السطح، يقوم بمسح كل بوصة من المنزل فوراً، ويجد كل ثقب، ويخبرك بالضبط أين تضع الشريط اللاصق لإصلاحه.
هذه التكنولوجيا تسمح لنا بالانتقال من مرحلة "التخمين" حول مكان التسريبات إلى معرفة مكانها بدقة، مما يساعدنا على إصلاحها بشكل أسرع والحفاظ على برودة الكوكب.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.