Σύνοψη
- Η Google Research σε συνεργασία με το Jet Propulsion Laboratory της NASA ανέπτυξαν ένα μοντέλο τεχνητής νοημοσύνης που αναλύει υπερφασματικά δεδομένα από τον Διεθνή Διαστημικό Σταθμό για την παγκόσμια χαρτογράφηση εκπομπών μεθανίου.
- Βασισμένο σε αρχιτεκτονική Swin-S transformer, το σύστημα εκπαιδεύτηκε μέσω 3,6 εκατομμυρίων συνθετικών μοντέλων προσομοίωσης και πετυχαίνει ανάλυση 60 μέτρων ανά pixel.
- Η τεχνολογία εντοπίζει περίπου 50% περισσότερες διαρροές συγκριτικά με τους ανθρώπινους αναλυτές, αποκαλύπτοντας τεράστιες εστίες ρύπανσης στους 24 από τους 25 μεγαλύτερους χώρους υγειονομικής ταφής απορριμμάτων παγκοσμίως.
- Η ευρωπαϊκή νομοθεσία παρακολουθεί κυρίως το πετρέλαιο και το φυσικό αέριο, αγνοώντας παντελώς τον τομέα διαχείρισης αποβλήτων που ευθύνεται για κρίσιμο ποσοστό εκπομπών, ενώ τα αντίστοιχα ευρωπαϊκά συστήματα υψηλής ανάλυσης αναμένονται μετά το 2027.
- Το σύνολο των δεδομένων και ο κώδικας του μοντέλου MAPL-EMIT προσφέρονται εντελώς δωρεάν στην επιστημονική κοινότητα μέσω πλατφορμών όπως το GitHub και το Google Earth Engine.
Η καταπολέμηση της κλιματικής αλλαγής απαιτεί πλέον την επιστράτευση των πλέον προηγμένων εργαλείων βαθιάς μηχανικής μάθησης, καθώς η αναγκαιότητα για ακριβή περιβαλλοντικά δεδομένα αυξάνεται εκθετικά ενόψει των παγκόσμιων δεσμεύσεων που έχουν αναλάβει τα κράτη. Το μεθάνιο αποτελεί ένα εξαιρετικά ισχυρό αέριο του θερμοκηπίου, του οποίου η ικανότητα παγίδευσης θερμότητας είναι έως και τριάντα φορές μεγαλύτερη από αυτή του διοξειδίου του άνθρακα σε χρονικό ορίζοντα εκατό ετών.
Αντιπροσωπεύοντας περίπου το 25% της ανθρωπογενούς υπερθέρμανσης του πλανήτη από την έναρξη της βιομηχανικής επανάστασης, ο άμεσος εντοπισμός και ο περιορισμός των εκπομπών του συνιστούν ίσως τη σημαντικότερη δράση που μπορούμε να αναλάβουμε βραχυπρόθεσμα.
Απαντώντας σε αυτή την τεράστια πρόκληση, η Google Research προχώρησε σε μια συνεργασία με το Jet Propulsion Laboratory (JPL) της NASA, δημιουργώντας ένα πρωτοποριακό AI μοντέλο που αξιοποιεί δορυφορικά δεδομένα για να εντοπίσει τις αόρατες αυτές διαρροές με πρωτοφανή ακρίβεια.
Ο ρόλος του Deep Learning (MAPL-EMIT) στον εντοπισμό ρύπων
Το μοντέλο MAPL-EMIT (Methane Analysis and Plume Localization with EMIT) βασίζεται σε ένα προηγμένο νευρωνικό δίκτυο Swin-S transformer, το οποίο μεταφράζει ακατέργαστα υπερφασματικά δεδομένα από τον Διεθνή Διαστημικό Σταθμό σε λεπτομερείς χάρτες εκπομπών. Επιτυγχάνει εντοπισμό πηγών μεθανίου με αυστηρή χωρική ανάλυση 60 μέτρων ανά pixel, προσφέροντας πρωτοφανή ακρίβεια στον διαχωρισμό του αερίου από το φυσικό περιβάλλον και εντοπίζοντας 23.000 νέες πηγές μόλυνσης.
- Χωρική ανάλυση: Διακριτική ικανότητα 60 μέτρων ανά pixel, ικανή να εστιάσει σε μεμονωμένες βιομηχανικές εγκαταστάσεις.
- Ποσοστό επιτυχίας: Αναγνωρίζει 50% περισσότερα ίχνη μεθανίου σε σύγκριση με τις παραδοσιακές μεθόδους ανθρώπινης ανάλυσης.
- Αρχιτεκτονική εκπαίδευσης: Αξιοποίηση 3,6 εκατομμυρίων συνθετικών μοντέλων μέσω εξισώσεων διασποράς Lagrangian για προσομοίωση χαοτικών ατμοσφαιρικών συνθηκών.
- Ανοιχτή πρόσβαση: Πλήρης διάθεση του κώδικα, της βάσης δεδομένων και της βιβλιοθήκης συμπερασμάτων σε GitHub, Kaggle και Google Earth Engine.
Η οπτικοποίηση των αερίων από το Διάστημα προϋποθέτει τη λήψη και την επεξεργασία δεδομένων μέσω υπερφασματικών αισθητήρων που καταγράφουν εκατοντάδες διαφορετικές ζώνες φωτός, αναλύοντας τις μοναδικές χημικές υπογραφές των στοιχείων που αιωρούνται στην ατμόσφαιρα. Το όργανο Earth Surface Mineral Dust Source Investigation (EMIT) της NASA είχε σχεδιαστεί αρχικά για να μελετά τη σύνθεση της ορυκτής σκόνης στις άνυδρες περιοχές του πλανήτη, ωστόσο η υψηλή του ευκρίνεια αποδείχθηκε ιδανική για την ανίχνευση του μεθανίου. Τα παραδοσιακά δορυφορικά συστήματα, όπως ο ευρωπαϊκός δορυφόρος Sentinel-5P, καλύπτουν μεν τεράστιες εκτάσεις σαρώνοντας ζώνες 2.600 χιλιομέτρων, αλλά περιορίζονται σε χαμηλή χωρική ανάλυση της τάξης των 5,5 επί 3,5 χιλιομέτρων, καθιστώντας αδύνατη τη στόχευση συγκεκριμένων κτιρίων ή αγωγών. Αντιθέτως, η τεχνολογία EMIT προσφέρει οπτικό πεδίο 80 χιλιομέτρων με ανάλυση 60 μέτρων, γεγονός που επιτρέπει τον εντοπισμό ακριβώς εκείνης της βαλβίδας ή του ΧΥΤΑ από τον οποίο πηγάζει η διαρροή.
Για να αντιμετωπιστεί η πρόκληση του τεράστιου όγκου πληροφοριών και των παρεμβολών από το υπόβαθρο του εδάφους, η ερευνητική ομάδα της Google δεν βασίστηκε σε απλή ανάλυση pixel προς pixel. Αξιοποιώντας τις σύγχρονες τεχνικές μηχανικής όρασης, το μοντέλο MAPL-EMIT εξετάζει ταυτόχρονα το πλήρες φάσμα φωτός σε συνδυασμό με το ευρύτερο χωρικό πλαίσιο, κατανοώντας πώς το αέριο διασκορπίζεται στον χώρο ανάλογα με τα ρεύματα του ανέμου. Μέσα από αυτή τη διαδικασία, το νευρωνικό δίκτυο επιλύει παράλληλα τρία εξαιρετικά πολύπλοκα προβλήματα, υπολογίζοντας τον ακριβή όγκο του μεθανίου ανά pixel, σκιαγραφώντας τα ακριβή όρια των νεφών αερίου ακόμη και όταν αυτά αλληλεπικαλύπτονται και εντοπίζοντας με απόλυτη γεωγραφική ακρίβεια την αρχική πηγή της εκπομπής.
Επειδή η πραγματικότητα δεν παρέχει εκατομμύρια καταγεγραμμένα και χαρτογραφημένα σύννεφα μεθανίου για να τροφοδοτηθεί ένα τόσο απαιτητικό μοντέλο, οι ερευνητές κατέφυγαν στη δημιουργία 3,6 εκατομμυρίων συνθετικών παραδειγμάτων εκπομπών με χρήση μοντέλων Lagrangian. Αυτά τα συνθετικά νέφη εισήχθησαν απευθείας σε πραγματικές εικόνες του αισθητήρα EMIT, επιτρέποντας στην τεχνητή νοημοσύνη να εκπαιδευτεί πάνω σε ακραίες συνθήκες αναταράξεων, ποικίλους ρυθμούς διαρροής και διαφορετικά γεωμορφολογικά περιβάλλοντα, κατορθώνοντας έτσι να φτάσει σε ποσοστό ανάκλησης 84% σύμφωνα με τα αυστηρότερα πρότυπα της NASA.
Στο ευρωπαϊκό πλαίσιο, τα ευρήματα της έρευνας εγείρουν σοβαρά ερωτήματα σχετικά με την κατεύθυνση και την αποτελεσματικότητα της ισχύουσας νομοθεσίας. Ο αυστηρός κανονισμός της Ευρωπαϊκής Ένωσης για το μεθάνιο επιβάλλει μεν τη συνεχή δορυφορική παρακολούθηση και την αποστολή προειδοποιήσεων για ακραία περιστατικά, αλλά εστιάζει αποκλειστικά στον άνθρακα, το πετρέλαιο και το φυσικό αέριο. Παράλληλα, εξαιρεί εντελώς τον τομέα διαχείρισης απορριμμάτων, παρά το γεγονός ότι οι οργανισμοί ifeu Institute και Prognos υπολογίζουν πως τα αστικά απόβλητα που θα καταλήξουν στους ευρωπαϊκούς χώρους υγειονομικής ταφής μέχρι το 2050 θα απελευθερώσουν μεθάνιο ισοδύναμο με 1,5 δισεκατομμύριο τόνους διοξειδίου του άνθρακα. Το λογισμικό της Google εντόπισε τεράστιες πηγές μόλυνσης στους 24 από τους 25 μεγαλύτερους ρυπαίνοντες χώρους υγειονομικής ταφής στον κόσμο, καταρρίπτοντας κάθε δικαιολογία για την αδυναμία παρακολούθησής τους.
Η Ελλάδα βρίσκεται γεωγραφικά ακριβώς εντός της τροχιάς του Διεθνούς Διαστημικού Σταθμού, πράγμα που σημαίνει πως ο αισθητήρας EMIT σαρώνει εξαιρετικά συχνά τον εθνικό εναέριο χώρο. Τα δεδομένα που προκύπτουν προσφέρουν στους τοπικούς ερευνητές και τις αρχές μια δωρεάν, υπέρ-υψηλής ανάλυσης πλατφόρμα ελέγχου των ελληνικών ΧΥΤΑ, για τους οποίους παραδοσιακά υπήρχε δυσκολία ακριβούς μέτρησης του παραγόμενου βιοαερίου. Ενώ η Ευρώπη περιμένει το 2027 για την εκτόξευση των εξειδικευμένων δορυφόρων AIRMO και Copernicus CO2M, η Google προσφέρει ήδη τη λύση ανοιχτά προς όλη την επιστημονική κοινότητα.
