衛星画像のメタン検出に、光の波長特性だけでなくガスの広がり方を使うAIが加わった。MAPL-EMITはメタン増加量、広がる領域、発生源を同時に推定する。Googleの評価では、専門家が識別したガス雲の84%を検出した。
数百の波長帯に重なる地表の信号
国際宇宙ステーションに搭載されたNASAの観測装置EMITは、各画素について数百の波長帯の光を記録する。幅80キロメートルの視野と60メートルの空間分解能を持ち、施設規模のメタン排出を捉える観測に使われている。
検出の手掛かりになる波長特性には、地表からの信号も重なる。一部の地表物質はメタンに似たスペクトル特性を示すため、波長ごとの情報を解析する際に誤検出の原因となる。
波長特性とガスの広がり方を一緒に読む
Googleが開発したメタン検出AIのMAPL-EMITは、画像処理モデルのSwin-S transformerを使い、観測光の全スペクトルと周囲の空間情報を一緒に処理する。画素ごとにスペクトルを解析する多くの方式に対し、周囲にどのような形で信号が続くかも判断に取り込む。
Googleによると、ガスの広がり方を解析することで、風に流されるメタンと、似たスペクトル特性を持つ地表を識別しやすくなる。このモデルはメタン増加量の画素ごとの推定、ガスが広がる領域であるプルームの分割、発生源の位置推定を同時に行い、重なった複数のプルームとそれぞれの発生源も識別できるという。
360万個の合成プルームを実際の観測画像へ組み込む
こうした識別を学習させるため、Googleは360万個の合成メタンプルームを生成し、実際のEMIT観測画像へ組み込んだ。現実の地表を背景に、模擬したメタンの信号を持つ学習データを作った。
プルームの生成には、空気中の粒子の移動と拡散を模擬するLagrangian puff modelsを使う。ガスが大気中で移動しながら広がる過程を物理シミュレーションで再現し、その結果を学習に用いた。
専門家が識別したプルームに対して再現率84%
Googleの評価では、学習したモデルは専門家が識別したプルームに対して84%の再現率を示した。この値は、専門家による識別を基準に、そのうちどれだけを検出できたかを表す。
メタン増加量を推定する既存のマッチドフィルター手法との比較では、信号対雑音比も高かった。メタンの信号を背景の雑音から分離する点でも改善を示したとしている。