Сокращение выбросов метана является одним из наиболее эффективных действий, которые можно предпринять для замедления глобального потепления. Однако мониторинг выбросов остаётся сложной задачей, поскольку методы обнаружения имеют ограниченную полноту количественной оценки из-за компромиссов, которые приходится делать между охватом, разрешением и точностью обнаружения. Авторы показывают, что глубокое обучение может помочь преодолеть с точки зрения спектрального разрешения компромисс, возникающий при использовании многоспектральных спутниковых данных, в результате чего появляется инструмент обнаружения метана с глобальным охватом и высоким временным и пространственным разрешением. Авторы сравнивают свои данные с результатами кампаний по измерению метана в воздухе. Это сравнение позволяет полагать, что предложенный метод может обнаруживать точечные источники метана в данных Sentinel-2 вплоть до шлейфов площадью 0,01 км², что соответствует источникам от 200 до 300 кг CH₄ ч^-1. Эта модель демонстрирует улучшение на порядок по сравнению с современными моделями, обеспечивая значительный шаг на пути к автоматизированному обнаружению выбросов метана с высоким разрешением в глобальном масштабе каждые несколько дней.

 

Ссылка: https://www.nature.com/articles/s41467-024-47754-y