Sebbene non sia così diffuso nell'atmosfera come l'anidride carbonica, il metano è un gas serra molto più potente. Si verifica naturalmente oltre ad essere artificiale, il metano ha una vita molto più breve della CO2, ma è ad azione rapida e da 20 a 80 volte più efficace nell'intrappolare il calore. Un po' di metano in più fa molto.

Inoltre, il metano è invisibile, che rende difficile il rilevamento con mezzi convenzionali. Quindi, quando il ricercatore della UC Santa Barbara Satish Kumar e colleghi hanno notato il crescente utilizzo del rilevamento a infrarossi come mezzo di rilevamento dei gas serra, come è stato evidenziato in un recente articolo del New York Times, erano contenti. Il pezzo interattivo utilizzava telecamere a infrarossi per monitorare le emissioni degli impianti di petrolio e gas nel bacino del Permiano, un giacimento petrolifero situato in Texas e New Mexico.

È un argomento che gli sta a cuore:come membro del professore di ingegneria elettrica e informatica B.S. Laboratorio di ricerca sulla visione di Manjunath, Kumar lavora con l'elaborazione e l'analisi del segnale multimediale.

"Come ingegnere informatico interessato alla gestione ambientale, Sono incredibilmente felice che vengano portate alla luce fughe di metano da fonti precedentemente sconosciute, " Egli ha detto.

Ora, per mantenere viva la conversazione, Kumar e i suoi colleghi hanno proposto un sistema che fa meglio il rilevamento del calore, utilizzando l'imaging iperspettrale e l'apprendimento automatico per rilevare la lunghezza d'onda specifica delle emissioni di metano. Il loro lavoro è stato presentato alla Conferenza invernale IEEE 2020 sulle applicazioni della visione artificiale.

"Le termocamere a infrarossi rilevano solo le firme della temperatura, quindi se c'è una combinazione di gas con firme ad alta temperatura, una telecamera a infrarossi non sarà in grado di distinguerli, " disse Kumar. Un'immagine a infrarossi potrebbe indicare una suggestione di metano, ma la sua concentrazione e la sua posizione non potevano essere individuate solo dalla firma del calore. Inoltre, più un gas caldo si allontana dalla sua sorgente, più si raffredda, eventualmente rendendolo invisibile agli infrarossi.

Per superare queste carenze, Kumar e il team hanno utilizzato i dati delle telecamere iperspettrali a lunghezze d'onda da 400 nanometri a 2, 510 nm, un intervallo che comprende le lunghezze d'onda spettrali del metano e forse quelle di altri gas, nelle aree intorno alla regione dei Quattro Angoli. Situato nel sud-ovest americano, la regione è anche il sito di quella che potrebbe essere la più grande fonte di rilascio di metano negli Stati Uniti, in particolare il bacino di San Juan, condiviso da New Mexico e Colorado.

L'imaging iperspettrale comporta la raccolta di una serie di immagini, in cui ogni pixel contiene uno spettro e ogni immagine rappresenta una banda spettrale (un intervallo di lunghezze d'onda). La sua elevata sensibilità gli consente di catturare "impronte digitali" spettrali che corrispondono a determinati materiali, come il metano 2, 200-2, 400 nm lunghezze d'onda, che ha permesso ai ricercatori di localizzare il metano, anche in un pennacchio di altri gas.

Ma, il metano non è l'unico materiale che esiste a quella lunghezza d'onda.

"Ci sono molti elementi che possono confondere il metano, " Kumar ha detto. "Gli idrocarburi dalle strade e le vernici sugli edifici, hanno la stessa firma del metano." L'enorme quantità di dati e il potenziale di confusione tra metano e altri idrocarburi hanno portato i ricercatori a rivolgersi all'apprendimento automatico.

"Abbiamo utilizzato un modello di deep learning per addestrare il computer ad apprendere la forma che assume una perdita di gas metano quando viene rilasciata e si diffonde, " ha spiegato. Questo ha aiutato i ricercatori non solo a individuare la posizione da cui veniva emesso il metano, se da impianto a gas o discarica, ma anche per differenziare automaticamente tra metano e altri idrocarburi nella stessa immagine.

Usando questo metodo, i ricercatori riportano un tasso di successo dell'87% nel rilevamento accurato delle perdite di metano, molti dei quali continuano ad essere scoperti da una varietà di fonti artificiali. Questi includono emissioni fuggitive da flaring incompleto, perdite precedentemente non rilevate da operazioni scarsamente monitorate, e le perdite cumulative di metano dalle case, imprese e infrastrutture urbane.