Resumen Técnico: Comparación Explicable de Modelos Basados en Características y de Aprendizaje Profundo para la Detección de Plumas de Metano TROPOMI

Planteamiento del Problema

La detección continua global de grandes emisiones de metano es esencial para mitigar el calentamiento global, especialmente dado que una fracción significativa de las emisiones proviene de "superemisores" como minas de carbón e infraestructura de petróleo/gas. El Instrumento de Monitoreo de la Troposfera (TROPOMI) a bordo del satélite Sentinel-5P proporciona observaciones globales diarias capaces de detectar estas plumas. Sin embargo, un desafío mayor en la detección automatizada es distinguir las plumas genuinas de metano de los artefactos de recuperación. Estos artefactos, que imitan características similares a las plumas, surgen de gradientes de elevación, variaciones del albedo superficial, alta carga de aerosoles, líneas costeras y cuerpos de agua.

Los flujos de trabajo operativos actuales, como el Explorador de Puntos Calientes de Metano del Servicio de Monitoreo Atmosférico de Copernicus (CAMS), dependen de una tubería de aprendizaje automático para filtrar estos artefactos. El clasificador de segunda etapa existente utiliza una Máquina de Vectores de Soporte (SVM) entrenada con características escalares diseñadas manualmente. Aunque efectivo, este enfoque tiene limitaciones: restringe el algoritmo a información definida por expertos, interrumpe las relaciones espaciales entre píxeles y pierde información mediante la agregación estadística. Este estudio aborda la necesidad de evaluar si los modelos avanzados de aprendizaje profundo basados en imágenes pueden superar o complementar estos métodos basados en características manteniendo al mismo tiempo la interpretabilidad.

Metodología

El estudio compara dos familias de modelos de aprendizaje automático para la clasificación binaria (pluma de metano vs. artefacto de recuperación) utilizando datos de TROPOMI:

1. Modelos Basados en Características: Estos operan sobre descriptores numéricos preextraídos derivados de los parches de imagen. El estudio evalúa:

   • Clasificador de Vectores de Soporte (SVC): Utilizado como línea base para garantizar la comparabilidad directa con el estudio de referencia [5].
   • Bosque Aleatorio (RF) y Extreme Gradient Boosting (XGBoost): Seleccionados por su superioridad demostrada sobre las SVM en tareas similares relacionadas con TROPOMI.
   • Entrada: Un conjunto de 32 características diseñadas manualmente que incluyen momentos estadísticos de la concentración de metano, geometría de la pluma (alargamiento, longitud), vectores de viento y correlaciones entre el metano y los diagnósticos de recuperación (por ejemplo, albedo, grosor óptico de aerosoles).

2. Modelos Basados en Imágenes: Estas son arquitecturas de aprendizaje profundo entrenadas directamente sobre parches de imagen, lo que permite capturar patrones espaciales e información contextual.

   • ResNet-18 y ResNet-34: Variantes de redes neuronales residuales elegidas por su capacidad para manejar redes profundas mediante conexiones de salto.
   • Entrada: Parches de imagen multicanal que incluyen concentración de metano, XCH4 corregido por sesgo, albedo superficial, grosor óptico de aerosoles (AOT), presión superficial, componentes del viento y un canal específico de "máscara de pluma". La máscara de pluma codifica la puntuación de confianza de la CNN inicial de detección de plumas, multiplicada por una máscara binaria.

Diseño Experimental:

• Conjunto de Datos: Un conjunto de datos ampliado de 8.883 parches de imagen (6.085 plumas, 2.798 artefactos) que abarca de abril de 2019 a agosto de 2024.
• Configuraciones de Evaluación:
  • Configuración Desbalanceada: Refleja las proporciones de clases del mundo real (aprox. 1:2) utilizando validación cruzada de 5 pliegues.
  • Configuración Balanceada: Aísla la capacidad discriminativa intrínseca de los modelos en un conjunto de prueba de retención con clases balanceadas.
• Optimización de Hiperparámetros: Se utilizó una técnica de búsqueda aleatoria para maximizar la Precisión Promedio (AP) bajo validación cruzada de 5 pliegues.
• Explicabilidad: Se aplicaron Explicaciones Aditivas SHapley (SHAP) a ambas familias de modelos. Los modelos basados en árboles utilizaron TreeExplainer, mientras que los modelos basados en imágenes utilizaron GradientExplainer para analizar atribuciones a nivel de canal y de píxel.

Resultados Clave

Métricas de Rendimiento

• Configuración Desbalanceada (Validación Cruzada): Los modelos basados en características, particularmente los conjuntos basados en árboles, demostraron el rendimiento más robusto y estable.
  • Bosque Aleatorio (RF) logró la mayor Precisión Promedio (0.948 ± 0.008) y ROC-AUC (0.908 ± 0.014).
  • XGBoost tuvo un rendimiento similar, quedando ligeramente por detrás de RF.
  • ResNet-18/34 mostraron una precisión promedio y un ROC-AUC más bajos en esta configuración, con desviaciones estándar más altas, lo que sugiere sensibilidad al desequilibrio de clases y datos de entrenamiento efectivos limitados por pliegue.
• Configuración Balanceada (Prueba de Retención): La clasificación relativa cambió, destacando la capacidad discriminativa del aprendizaje profundo cuando se elimina la dominación de clases.
  • ResNet-18 superó a todos los demás modelos, logrando la mayor Precisión Promedio (0.937) y ROC-AUC (0.939).
  • ResNet-34 tuvo un rendimiento sólido pero no superó a ResNet-18, lo que indica que el aumento de la profundidad no produjo ganancias adicionales para esta tarea específica.
  • XGBoost logró la mayor Precisión Equilibrada (0.859) pero quedó por detrás de ResNet-18 en las métricas discriminativas generales (AP y ROC-AUC).

Perspectivas de Explicabilidad

• Modelos Basados en Características: El análisis SHAP identificó la puntuación de pluma de la CNN (la confianza del modelo de detección inicial) como la característica más influyente. Otras características significativas incluyeron los valores medios de QA (garantía de calidad) y las correlaciones entre el metano y el grosor óptico de aerosoles (AOT). XGBoost dependió más pesadamente del contexto relacionado con el viento, mientras que RF priorizó las estadísticas de la forma de la mejora.
• Modelos Basados en Imágenes: El canal de máscara de pluma (que codifica la puntuación de pluma de la CNN y la estructura espacial) fue la entrada más importante. A diferencia de los modelos basados en árboles, ResNet-18 utilizó eficazmente el albedo superficial como característica principal, aprendiendo la correspondencia espacial entre los patrones de albedo y las mejoras de metano para identificar artefactos. El modelo demostró contribuciones positivas y negativas equilibradas dentro de los canales, reflejando su capacidad para interpretar el contexto espacial y los patrones localizados.

Significado y Conclusiones

El artículo concluye que ambas familias de modelos ofrecen fortalezas complementarias para la detección operativa de metano:

• Robustez vs. Poder Discriminativo: Los modelos basados en árboles (RF/XGBoost) son preferibles cuando la robustez bajo desequilibrio de clases y datos de entrenamiento limitados es el requisito principal, como se observa en la tubería operativa actual. Por el contrario, ResNet-18 es óptimo cuando el objetivo es maximizar el rendimiento discriminativo y la flexibilidad del umbral, siempre que haya suficientes datos balanceados disponibles.
• Implicaciones Operativas: Para el Explorador de Puntos Calientes de Metano, donde minimizar los falsos positivos es crítico para reducir la carga de trabajo de verificación manual, la robustez de los modelos basados en árboles bajo el desequilibrio es un activo clave. Sin embargo, el rendimiento superior de ResNet-18 en configuraciones balanceadas sugiere que el aprendizaje profundo podría mejorar las capacidades de detección de la tubería si la disponibilidad y el equilibrio de los datos mejoran.
• Interpretabilidad: El estudio demuestra que SHAP puede unificar la interpretación de tipos de modelos dispares. Ambos enfoques confirman que la confianza de la detección inicial de la pluma es el principal impulsor de la clasificación. Sin embargo, los modelos basados en imágenes aprovechan la coherencia espacial y la información de forma que los modelos basados en características deben aproximar mediante agregación estadística.

Los autores enfatizan que estos hallazgos proporcionan orientación práctica para la selección de modelos en flujos de trabajo operativos y destacan que el modelo de detección de primera etapa sigue siendo un componente crítico de la tubería general. El trabajo futuro podría centrarse en mejorar la tubería de primera etapa o explorar arquitecturas de aprendizaje profundo más complejas.