MethaneMapper ist bereit, das Problem der unzureichend gemeldeten Methanemissionen zu lösen

Eine zentrale Schwierigkeit bei der Kontrolle der Treibhausgasemissionen zur Verlangsamung des Klimawandels besteht darin, sie überhaupt zu finden.

Dies ist bei Methan der Fall, einem farb- und geruchlosen Gas, das heute nach Kohlendioxid das zweithäufigste Treibhausgas in der Atmosphäre ist. Obwohl es eine kürzere Lebensdauer als Kohlendioxid hat, ist es nach Angaben der US-Umweltschutzbehörde beim Einfangen von Wärme mehr als 25-mal so wirksam wie CO2 und hält über einen Zeitraum von 20 Jahren schätzungsweise 80-mal mehr Wärme in der Atmosphäre als CO2.

Aus diesem Grund sei die Eindämmung von Methan zu einer Priorität geworden, sagte Satish Kumar, Forscher an der UC Santa Barbara, Doktorand im Vision Research Lab des Informatikers BS Manjunath.

„Vor kurzem, beim Internationalen Klimagipfel 2022, war Methan tatsächlich das Highlight, weil alle damit zu kämpfen haben“, sagte er.

Trotz der Meldepflichten in den USA führt die Unsichtbarkeit von Methan dazu, dass seine Emissionen wahrscheinlich nicht ausreichend gemeldet werden. In einigen Fällen sind die Diskrepanzen enorm, beispielsweise im Permian Basin, einem 86.000 Quadratmeilen großen Öl- und Erdgasförderfeld in Texas und New Mexico, das Zehntausende von Bohrlöchern beherbergt. Eine unabhängige Methanüberwachung des Gebiets hat ergeben, dass der Standort acht- bis zehnmal mehr Methan ausstößt, als von den Feldbetreibern gemeldet.

Im Anschluss an die COP27-Treffen sucht die US-Regierung nun nach Möglichkeiten, die Kontrollen dieser Art von „Superemissions“-Lecks zu verschärfen, insbesondere da die Öl- und Gasproduktion im Land in naher Zukunft voraussichtlich zunehmen wird. Dazu muss es jedoch eine Möglichkeit geben, verlässliche Daten zu diffusen Emissionen zu sammeln, um die Leistung der Öl- und Gasbetreiber beurteilen und bei Bedarf entsprechende Strafen verhängen zu können.

Geben Sie MethaneMapper ein , ein auf künstlicher Intelligenz basierendes hyperspektrales Bildgebungstool, das Kumar und Kollegen entwickelt haben, um Methanemissionen in Echtzeit zu erkennen und sie bis zu ihren Quellen zurückzuverfolgen. Das Tool verarbeitet hyperspektrale Daten, die bei luftgestützten Scans des Zielgebiets gesammelt wurden.

„Wir haben 432 Kanäle“, sagte Kumar. Mithilfe von Vermessungsbildern des Jet Propulsion Laboratory der NASA machen die Forscher Bilder ab einer Wellenlänge von 400 Nanometern und in Abständen von bis zu 2.500 Nanometern – ein Bereich, der die spektralen Signaturen von Kohlenwasserstoffen, einschließlich der von Methan, umfasst. Jedes Pixel im Foto enthält ein Spektrum und stellt einen Wellenlängenbereich dar, der als „Spektralband“ bezeichnet wird. Von dort aus übernimmt das maschinelle Lernen die riesigen Datenmengen, um Methan von anderen im Bildgebungsprozess erfassten Kohlenwasserstoffen zu unterscheiden. Die Methode ermöglicht es Benutzern außerdem, nicht nur die Größe der Wolke, sondern auch ihre Quelle zu sehen.

Die hyperspektrale Bildgebung zur Methandetektion ist ein heißes Feld, in das sich Unternehmen mit Geräten und Detektionssystemen einmischen. Was MethaneMapper auszeichnet, ist die Vielfalt und Tiefe der von verschiedenen Geländetypen gesammelten Daten, die es dem maschinellen Lernmodell ermöglichen, das Vorhandensein von Methan vor dem Hintergrund unterschiedlicher Topografien, Blattwerk und anderer Hintergründe zu erkennen.

„Ein sehr häufiges Problem in der Fernerkundungsgemeinschaft besteht darin, dass alles, was für einen Ort entwickelt wurde, außerhalb dieses Ortes nicht funktioniert“, erklärte Kumar. Daher lernt ein Fernerkundungsprogramm oft, wie Methan in einer bestimmten Landschaft aussieht – beispielsweise in der trockenen Wüste des amerikanischen Südwestens –, vergleicht es aber mit dem felsigen Schiefer von Colorado oder den flachen Weiten des Mittleren Westens, und das System trifft möglicherweise nicht zu genauso erfolgreich sein.

„Wir haben unsere eigenen Datensätze zusammengestellt, die etwa 4.000 Emissionsstandorte abdecken“, sagte Kumar. „Wir haben die trockenen Bundesstaaten Kalifornien, Texas und Arizona. Aber wir haben auch die dichte Vegetation des Bundesstaates Virginia. Es ist also ziemlich vielfältig.“ Ihm zufolge liegt die Leistungsgenauigkeit von MethaneMapper derzeit bei 91 Prozent.

Die aktuelle Betriebsversion von MethaneMapper basiert auf Flugzeugen als Scankomponente des Systems. Aber die Forscher haben sich ehrgeizige Ziele für ein satellitengestütztes Programm gesetzt, das das Potenzial hat, immer wieder größere Geländebereiche zu scannen, ohne die Treibhausgase, die Flugzeuge ausstoßen. Der größte Kompromiss zwischen der Nutzung von Flugzeugen und der Nutzung von Satelliten liege in der Auflösung, sagte Kumar.

„Man kann Emissionen von nur 50 kg pro Stunde aus einem Flugzeug feststellen“, sagte er. Mit einem Satelliten erhöht sich die Schwelle auf etwa 1000 kg oder 1 Tonne pro Stunde. Aber für die Überwachung der Emissionen aus Öl- und Gasbetrieben, die in der Regel Tausende von Kilogramm pro Stunde ausstoßen, ist es ein geringer Preis für die Fähigkeit, größere Teile der Erde zu scannen, und zwar an Orten, die möglicherweise nicht aktiv sind sozusagen das Radar.

„Der jüngste Fall, ich glaube, vor sieben oder acht Monaten, waren die Emissionen einer Bohrinsel vor der Küste irgendwo in Richtung Mexiko“, sagte Kumar, „die sechs Monate lang Methan mit einer Rate von 7.610 Kilogramm pro Stunde ausgestoßen hat. Und niemand.“ wusste davon.

Mithilfe der Satellitenerkennung könnten nicht nur Kohlenstoffemissionen auf globaler Ebene verfolgt werden, sondern sie könnten auch zur Steuerung nachfolgender Flugzeugscans für Untersuchungen mit höherer Auflösung genutzt werden.

Letztendlich wollen Kumar und seine Kollegen die Leistungsfähigkeit der KI und der hyperspektralen Methanbildgebung in den Mainstream bringen und sie einer Vielzahl von Benutzern auch ohne Fachkenntnisse im maschinellen Lernen zugänglich machen.

„Wir möchten eine Schnittstelle über eine Webplattform wie BisQue bereitstellen, auf die jeder klicken und seine Daten hochladen und eine Analyse erstellen kann“, sagte er. „Ich möchte eine einfache und effektive Schnittstelle bereitstellen, die jeder nutzen kann.“

Das MethaneMapper-Projekt wird durch den National Science Foundation Award SI2-SSI #1664172 finanziert. Das Projekt ist Teil der Initiative „Center for Multimodal Big Data Science and Healthcare“ an der UC Santa Barbara unter der Leitung von Prof. BS Manjunath. Darüber hinaus wird MethaneMapper als Highlight-Paper auf der Computer Vision and Pattern Recognition (CVPR)-Konferenz 2023 – der ersten Veranstaltung im Bereich Computer Vision – vorgestellt, die vom 18. bis 22. Juni in Vancouver, British Columbia, stattfindet.

– Diese Pressemitteilung wurde ursprünglich auf der Website der University of California – Santa Barbara veröffentlicht