論文の概要: Near Real-time CO$_2$ Emissions Based on Carbon Satellite And Artificial
Intelligence
- arxiv url: http://arxiv.org/abs/2210.09850v1
- Date: Tue, 11 Oct 2022 12:01:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-23 20:26:48.852298
- Title: Near Real-time CO$_2$ Emissions Based on Carbon Satellite And Artificial
Intelligence
- Title(参考訳): 炭素衛星と人工知能によるco$_2$排出のほぼリアルタイム化
- Authors: Zhengwen Zhang, Jingjin Gu, Junhua Zhao, Jianwei Huang, Haifeng Wu
- Abstract要約: 我々は、データ検索アルゴリズムと2ステップのデータ駆動ソリューションの両方を含む統合AIベースのパイプラインを提案する。
まず、データ検索アルゴリズムは、炭素衛星、炭素源の情報、およびいくつかの環境要因を含むマルチモーダルデータから効率的なデータセットを生成することができる。
第二に、深層学習技術の強力な表現を適用した2段階のデータ駆動ソリューションは、人為的CO$排出の定量化を学習する。
- 参考スコア(独自算出の注目度): 20.727982405167758
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To limit global warming to pre-industrial levels, global governments,
industry and academia are taking aggressive efforts to reduce carbon emissions.
The evaluation of anthropogenic carbon dioxide (CO$_2$) emissions, however,
depends on the self-reporting information that is not always reliable. Society
need to develop an objective, independent, and generalized system to meter
CO$_2$ emissions. Satellite CO$_2$ observation from space that reports
column-average regional CO$_2$ dry-air mole fractions has gradually indicated
its potential to build such a system. Nevertheless, estimating anthropogenic
CO$_2$ emissions from CO$_2$ observing satellite is bottlenecked by the
influence of the highly complicated physical characteristics of atmospheric
activities. Here we provide the first method that combines the advanced
artificial intelligence (AI) techniques and the carbon satellite monitor to
quantify anthropogenic CO$_2$ emissions. We propose an integral AI based
pipeline that contains both a data retrieval algorithm and a two-step
data-driven solution. First, the data retrieval algorithm can generate
effective datasets from multi-modal data including carbon satellite, the
information of carbon sources, and several environmental factors. Second, the
two-step data-driven solution that applies the powerful representation of deep
learning techniques to learn to quantify anthropogenic CO$_2$ emissions from
satellite CO$_2$ observation with other factors. Our work unmasks the potential
of quantifying CO$_2$ emissions based on the combination of deep learning
algorithms and the carbon satellite monitor.
- Abstract(参考訳): 地球温暖化を産業前レベルまで抑えるため、世界政府、産業、アカデミアは二酸化炭素排出量削減に積極的に取り組んでいる。
しかし、人為的二酸化炭素(co$_2$)排出の評価は、必ずしも信頼できるとは限らない自己報告情報に依存する。
社会はCO$_2$排出量を測定する客観的で独立的で一般化されたシステムを開発する必要がある。
宇宙からの衛星 co$_2$ 観測では、コラム平均領域の co$_2$ 乾燥空気モル分画が徐々にそのようなシステムを構築する可能性を示唆している。
それでも、CO$_2$観測衛星からのCO$_2$放射を推定することは、大気活動の非常に複雑な物理的特性の影響でボトルネックとなる。
本稿では,人工知能(ai)技術と二酸化炭素排出量を定量化するためのカーボンサテライトモニターを組み合わせた最初の手法を提案する。
データ検索アルゴリズムと2ステップのデータ駆動ソリューションの両方を含む統合AIベースのパイプラインを提案する。
まず、データ検索アルゴリズムは、炭素衛星、炭素源の情報、およびいくつかの環境要因を含むマルチモーダルデータから効果的なデータセットを生成することができる。
第二に、深層学習技術の強力な表現を適用した2段階のデータ駆動ソリューションは、人工衛星のCO$_2$排出を他の要因とともに定量化する。
我々の研究は、深層学習アルゴリズムと炭素衛星モニターを組み合わせることでCO$2$の排出量を定量化する可能性を解き放っている。
関連論文リスト
- Autonomous Detection of Methane Emissions in Multispectral Satellite
Data Using Deep Learning [73.01013149014865]
メタンは最も強力な温室効果ガスの1つである。
現在のメタン放出モニタリング技術は、近似的な放出要因や自己報告に依存している。
深層学習法は、Sentinel-2衛星マルチスペクトルデータにおけるメタン漏れの自動検出に利用することができる。
論文 参考訳(メタデータ) (2023-08-21T19:36:50Z) - Machine Guided Discovery of Novel Carbon Capture Solvents [48.7576911714538]
機械学習は、材料開発における時間とリソースの負担を軽減するための有望な方法を提供する。
そこで我々は, 市販の酸性ガススクラップ式炭素捕捉装置に適合する新規な水性アミンを, エンドツーエンドで発見する「発見サイクル」を開発した。
予測プロセスは、材料パラメータの両方の実験に対して60%の精度を示し、外部テストセット上では1つのパラメータに対して80%の精度を示す。
論文 参考訳(メタデータ) (2023-03-24T18:32:38Z) - Counting Carbon: A Survey of Factors Influencing the Emissions of
Machine Learning [77.62876532784759]
機械学習(ML)は、モデルトレーニングプロセス中に計算を実行するためにエネルギーを使用する必要がある。
このエネルギーの生成には、使用量やエネルギー源によって、温室効果ガスの排出という観点からの環境コストが伴う。
本稿では,自然言語処理とコンピュータビジョンにおいて,95のMLモデルの炭素排出量の時間的および異なるタスクに関する調査を行う。
論文 参考訳(メタデータ) (2023-02-16T18:35:00Z) - Carbon Emission Prediction on the World Bank Dataset for Canada [0.9256577986166795]
本稿では,今後数年間の二酸化炭素排出量(CO2排出量)の予測方法について述べる。
この予測は過去50年間のデータに基づいている。
このデータセットには1960年から2018年までの全国のCO2排出量(一人当たりメートル)が含まれている。
論文 参考訳(メタデータ) (2022-11-26T07:04:52Z) - Real-time high-resolution CO$_2$ geological storage prediction using
nested Fourier neural operators [58.728312684306545]
炭素捕獲貯蔵(CCS)は、地球規模の脱炭酸に不可欠な役割を担っている。
CCS展開のスケールアップには, 貯留層圧力上昇とガス配管マイグレーションの高精度かつ高精度なモデリングが必要である。
我々は,高分解能な3D CO2ストレージモデリングのための機械学習フレームワークであるNested Fourier Neural Operator (FNO)を,盆地スケールで導入した。
論文 参考訳(メタデータ) (2022-10-31T04:04:03Z) - Eco2AI: carbon emissions tracking of machine learning models as the
first step towards sustainable AI [47.130004596434816]
eco2AIでは、エネルギー消費の追跡と地域CO2排出量の正当性に重点を置いている。
モチベーションは、サステナブルAIとグリーンAI経路の両方で、AIベースの温室効果ガスの隔離サイクルの概念からもたらされる。
論文 参考訳(メタデータ) (2022-07-31T09:34:53Z) - Measuring the Carbon Intensity of AI in Cloud Instances [91.28501520271972]
我々は,ソフトウェアの炭素強度を測定するための枠組みを提供し,運転中の炭素排出量を測定することを提案する。
私たちは、Microsoft Azureクラウドコンピューティングプラットフォームにおける排出削減のための一連のアプローチを評価します。
論文 参考訳(メタデータ) (2022-06-10T17:04:04Z) - Joint Study of Above Ground Biomass and Soil Organic Carbon for Total
Carbon Estimation using Satellite Imagery in Scotland [0.0]
ランドカーボンの検証は、長い間、カーボンクレジット市場の課題だった。
リモートセンシング技術により、土壌有機炭素(SOC)とAGB(Above Ground Biomass)の変化をモニタリングできる
論文 参考訳(メタデータ) (2022-05-08T20:23:30Z) - Towards a Systematic Survey for Carbon Neutral Data Centers [23.339102377319833]
データセンターは大規模なエネルギー消費のため、炭素集約型企業である。
データセンター産業は2030年までに世界の二酸化炭素排出量の8%を占めると見積もられている。
本研究は, 政策指標と技術方法論の両方を考慮した, 炭素中性データセンターへのロードマップを提案する。
論文 参考訳(メタデータ) (2021-10-15T09:24:15Z) - Green Algorithms: Quantifying the carbon footprint of computation [0.0]
本稿では,任意の計算タスクの炭素フットプリントを,標準化された信頼性の高い方法で推定する枠組みを提案する。
温室効果ガスの排出を解釈し、文脈的に解釈する指標が定義され、車や飛行機で走行する同等距離を含む。
我々は、ユーザが計算の炭素フットプリントを見積り、レポートできる、無料で利用可能なオンラインツールであるGreen Algorithmsを開発した。
論文 参考訳(メタデータ) (2020-07-15T11:05:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。