Google Research et le JPL de la NASA détectent le méthane avec l'IA, avec un taux de reconnaissance de 84 %

fr.wedoany.com Rapport : Google Research, en collaboration avec le Jet Propulsion Laboratory (JPL) de la National Aeronautics and Space Administration (NASA), détecte et analyse les panaches de méthane depuis l'espace grâce au cadre d'apprentissage profond MAPL-EMIT. Selon les données du Groupe d'experts intergouvernemental sur l'évolution du climat (GIEC), le méthane, principal composant du gaz naturel, contribue à environ un tiers de l'effet de réchauffement climatique actuel. Comme ce gaz est invisible à l'œil nu, l'identification des points de fuite individuels a toujours été l'une des principales difficultés des efforts de réduction des émissions de méthane.

MAPL-EMIT, acronyme de « Methane Analysis and Plume Localisation with EMIT » (Analyse du méthane et localisation des panaches avec EMIT), s'appuie sur les travaux de la NASA en matière de détection orbitale du méthane à l'aide de l'instrument EMIT installé sur la Station spatiale internationale. Conçu à l'origine pour cartographier la composition minérale des régions arides, l'instrument EMIT possède également des capacités hyperspectrales qui lui permettent de capturer les signatures chimiques du méthane. L'instrument enregistre des centaines de bandes spectrales différentes pour chaque pixel, permettant aux chercheurs de détecter le méthane invisible sur les images traditionnelles. Sa combinaison d'un champ de vision de 80 kilomètres et d'une résolution spatiale de 60 mètres le rend adapté à l'identification des émissions provenant d'installations individuelles. Google Research applique des techniques d'apprentissage profond à ces données afin d'automatiser la détection du méthane à grande échelle et l'estimation de ses sources.

La difficulté de cette technologie réside dans le fait que les images satellites peuvent contenir des formations géologiques et des matériaux de surface dont les signatures spectrales ressemblent à celles du méthane. Kate Brandt, directrice du développement durable chez Google, a déclaré que le méthane représente l'une des opportunités les plus rapides et les plus efficaces pour ralentir le réchauffement climatique, mais qu'il est également difficile à réduire et à suivre en raison de son invisibilité à l'œil nu. MAPL-EMIT, qui exploite l'apprentissage automatique de Google et les données de l'instrument EMIT de la NASA, permet d'améliorer la détection, la prédiction et l'estimation des sources des panaches de méthane. Lors de tests sur des données satellites réelles, MAPL-EMIT a identifié avec succès 84 % des fuites connues et a détecté 50 % de fuites potentielles supplémentaires par rapport aux méthodes de détection traditionnelles.

Le système adopte une architecture de transformeur visuel (vision transformer) qui analyse le spectre lumineux complet ainsi que le contexte spatial environnant, permettant ainsi de distinguer les véritables panaches de méthane dérivant sous l'effet du vent des caractéristiques du sol susceptibles de provoquer de fausses détections. Il est également capable d'analyser les zones industrielles complexes où les émissions de plusieurs installations se chevauchent, tout en effectuant une quantification améliorée, une délimitation des panaches et une localisation des sources afin de déterminer la quantité de méthane présent, de définir les limites des émissions et de retracer leur origine.

La formation de modèles d'intelligence artificielle capables de reconnaître le méthane à l'échelle mondiale se heurte à un goulot d'étranglement en matière de données : il n'existe actuellement aucun ensemble de données annoté contenant des millions de panaches de méthane réels dans le monde. Pour remédier à cela, Google Research et le JPL de la NASA ont créé 3,6 millions de panaches de méthane synthétiques et les ont insérés dans des scènes EMIT réelles. L'équipe a utilisé des simulations basées sur la physique pour reproduire la manière dont les particules de méthane se dispersent dans différentes conditions atmosphériques et géographiques, permettant ainsi à MAPL-EMIT d'apprendre à partir d'une gamme plus large de taux d'émission, de formations géologiques et de morphologies de panaches, et d'acquérir des capacités d'estimation des sources et de distinction des panaches superposés.

Validé par rapport à l'ensemble de données L2B sur les panaches de méthane de la NASA, MAPL-EMIT a capturé 84 % des panaches annotés par des experts ; par rapport aux méthodes existantes, il a identifié environ 50 % de panaches potentiels supplémentaires dans environ 1 100 blocs de données EMIT. Le modèle est capable de détecter des émissions plus faibles et a réussi à cartographier les panaches de 24 des 25 plus grandes décharges émettrices au monde. Ces capacités peuvent aider les parties concernées à découvrir des sources d'émission jusqu'alors négligées et à fournir une base pour la priorisation des efforts de réduction des émissions.

Les organismes ayant développé MAPL-EMIT mettent également ces ressources à la disposition des utilisateurs externes. Google Research et le JPL de la NASA fournissent une base de données mondiale des panaches via Google Earth Engine, le modèle entraîné ainsi que les 3,6 millions de panaches synthétiques via Kaggle, et publient une bibliothèque d'inférence sur GitHub, offrant aux chercheurs et aux développeurs les outils nécessaires pour utiliser cette technologie. L'équipe indique que l'ouverture de ces ressources à la communauté scientifique au sens large vise à soutenir les chercheurs, les décideurs politiques, les dirigeants locaux et l'industrie dans l'identification des sources de méthane.

Cette publication intervient alors que la surveillance du méthane par satellite continue de s'étendre. Google indique que MAPL-EMIT peut servir de base au traitement d'un catalogue plus large de données EMIT, tandis que la NASA prépare une nouvelle génération de spectromètres imageurs dont la couverture devrait être multipliée par 30 à 50. Une couverture satellitaire accrue générera davantage de données environnementales à analyser, ce qui impose des exigences plus élevées aux méthodes automatisées capables de traiter de grands volumes de données. Pour les entreprises des secteurs de l'énergie, de l'agriculture et des déchets, des données d'émission plus détaillées peuvent soutenir des réductions ciblées plutôt que de s'appuyer sur des estimations approximatives. MAPL-EMIT démontre ainsi le potentiel de synergie entre l'intelligence artificielle, l'observation de la Terre et les données ouvertes pour transformer la surveillance du méthane en action climatique.