論文の概要: MethaneMapper: Spectral Absorption aware Hyperspectral Transformer for
Methane Detection
- arxiv url: http://arxiv.org/abs/2304.02767v1
- Date: Wed, 5 Apr 2023 22:15:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-07 16:03:14.099961
- Title: MethaneMapper: Spectral Absorption aware Hyperspectral Transformer for
Methane Detection
- Title(参考訳): メタンマッパー:メタン検出用分光吸収型ハイパースペクトル変換器
- Authors: Satish Kumar, Ivan Arevalo, ASM Iftekhar, B S Manjunath
- Abstract要約: メタンは地球規模の気候変動に大きく貢献している。
本稿では, 放射を検出・定量化するために, 端から端までのスペクトル吸収波長を考慮したトランスネットワークMethaneMapperを提案する。
MethaneMapperは検出時に0.63mAPを達成し、現在の技術と比べてモデルサイズ(5倍)を縮小する。
- 参考スコア(独自算出の注目度): 13.247385727508155
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Methane (CH$_4$) is the chief contributor to global climate change. Recent
Airborne Visible-Infrared Imaging Spectrometer-Next Generation (AVIRIS-NG) has
been very useful in quantitative mapping of methane emissions. Existing methods
for analyzing this data are sensitive to local terrain conditions, often
require manual inspection from domain experts, prone to significant error and
hence are not scalable. To address these challenges, we propose a novel
end-to-end spectral absorption wavelength aware transformer network,
MethaneMapper, to detect and quantify the emissions. MethaneMapper introduces
two novel modules that help to locate the most relevant methane plume regions
in the spectral domain and uses them to localize these accurately. Thorough
evaluation shows that MethaneMapper achieves 0.63 mAP in detection and reduces
the model size (by 5x) compared to the current state of the art. In addition,
we also introduce a large-scale dataset of methane plume segmentation mask for
over 1200 AVIRIS-NG flight lines from 2015-2022. It contains over 4000 methane
plume sites. Our dataset will provide researchers the opportunity to develop
and advance new methods for tackling this challenging green-house gas detection
problem with significant broader social impact. Dataset and source code are
public
- Abstract(参考訳): メタン(CH$_4$)は、地球温暖化の主要な要因である。
最近の空中可視赤外イメージング分光器(AVIRIS-NG)は、メタン放出の定量的マッピングに非常に有用である。
既存の分析方法は、ローカルな地形条件に敏感であり、しばしばドメインの専門家による手作業による検査が必要であり、重大なエラーが発生しやすいため、スケーラブルではない。
そこで,これらの課題に対処するために,エンド・ツー・エンドのスペクトル吸収波長認識トランスネットワークであるメタンマッパーを提案する。
MethaneMapperは、2つの新しいモジュールを導入し、スペクトル領域の最も関連性の高いメタンプラム領域を特定し、それらを正確にローカライズする。
詳細な評価によると、メタンマッパーは検出時に0.63mAPに達し、現在の技術と比べてモデルサイズ(5倍)を減少させる。
さらに,2015-2022年までの1200AVIRIS-NG飛行ラインに対して,メタンプラムセグメンテーションマスクの大規模データセットを導入する。
4000以上のメタン鉱床がある。
我々のデータセットは研究者に、この挑戦的な温室効果ガス検出問題に社会に多大な影響を及ぼす新しい手法を開発し、発展させる機会を提供する。
データセットとソースコードが公開
関連論文リスト
- GeoFormer: A Vision and Sequence Transformer-based Approach for
Greenhouse Gas Monitoring [2.1647301294759624]
本研究では,NO2濃度を予測するために,視覚変換モジュールと高効率な時系列変換モジュールを組み合わせたコンパクトモデルを提案する。
我々は、地上監視局のSentinel-5P画像を用いて構築したデータセットを用いて、提案モデルを用いて表面レベルのNO2測定を予測する。
論文 参考訳(メタデータ) (2024-02-11T11:20:29Z) - Unlocking the Potential: Multi-task Deep Learning for Spaceborne
Quantitative Monitoring of Fugitive Methane Plumes [0.8957856456512912]
本研究では,メタン濃度インバージョン,プルームセグメンテーション,エミッションレート推定の3つのサブタスクにメタン排出量モニタリングを分解する。
本研究では,物理シミュレーションに基づくリモートセンシング画像からのメタン排出量の定量的モニタリングを行うための,新しいディープラーニングベースのフレームワークを提案する。
メタン濃度インバージョンのためのU-Netネットワーク,メタン配管セグメンテーションのためのMask R-CNNネットワーク,メタン排出率推定のためのResNet-50ネットワークを訓練する。
論文 参考訳(メタデータ) (2024-01-23T16:04:19Z) - Observation-Guided Meteorological Field Downscaling at Station Scale: A
Benchmark and a New Method [66.80344502790231]
気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。
データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。
提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
論文 参考訳(メタデータ) (2024-01-22T14:02:56Z) - Machine Learning Driven Sensitivity Analysis of E3SM Land Model
Parameters for Wetland Methane Emissions [12.826828430320843]
メタン(CH4)は二酸化炭素に次いで2番目に重要な温室効果ガスであり、観測された温暖化の16-25%に寄与する。
感度分析(SA)は、メタン放出の臨界パラメータを特定し、将来の予測におけるバイアスや不確実性を減少させるのに役立つ。
本研究では,エナジー・エクサスケール・アース・システム・モデル(E3SM)ランド・モデル(ELM)のメタン・モジュールにおける臨界生物地球化学的プロセスに関与する19のパラメータについてSAを行う。
論文 参考訳(メタデータ) (2023-12-05T14:16:13Z) - 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) - Vision Transformers, a new approach for high-resolution and large-scale
mapping of canopy heights [50.52704854147297]
分類(離散化)と連続損失関数を最適化した新しい視覚変換器(ViT)モデルを提案する。
このモデルは、従来使用されていた畳み込みベースのアプローチ(ConvNet)よりも、連続損失関数のみで最適化された精度が向上する。
論文 参考訳(メタデータ) (2023-04-22T22:39:03Z) - Environmental Sensor Placement with Convolutional Gaussian Neural
Processes [65.13973319334625]
センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。
確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。
本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
論文 参考訳(メタデータ) (2022-11-18T17:25:14Z) - Detecting Methane Plumes using PRISMA: Deep Learning Model and Data
Augmentation [67.32835203947133]
PRISMAのような新世代の超スペクトル画像装置は、高空間分解能(30m)で宇宙からメタン(CH4)プラムの検出能力を著しく改善した。
ここでは、PRISMA衛星ミッションの画像を用いてCH4プラムを識別するための完全なフレームワークと、広範囲のプラムを検出可能なディープラーニングモデルを提案する。
論文 参考訳(メタデータ) (2022-11-17T17:36:05Z) - METER-ML: A Multi-sensor Earth Observation Benchmark for Automated
Methane Source Mapping [2.814379852040968]
深層学習はメタン源の位置と特性を特定することができる。
機械学習の研究者や実践者が自動マッピングのアプローチを構築できるような、公開データの欠如がある。
我々は、米国内で86,625のジオレファレンスNAIP、Sentinel-1、Sentinel-2画像を含むMETER-MLと呼ばれるマルチセンサーデータセットを構築した。
本モデルでは, 油田精油所および石油ターミナルにおける集中給餌作業の精度を0.915の精度で再現し, 油田精油所および石油ターミナルの0.821の精度で評価した。
論文 参考訳(メタデータ) (2022-07-22T16:12:07Z) - Deep Learning Models of the Discrete Component of the Galactic
Interstellar Gamma-Ray Emission [61.26321023273399]
H2星間ガス中の小さな(あるいは離散的な)構造からの重要な点状成分がフェルミ・LATデータに存在する可能性がある。
深層学習は、これらの稀なH2プロキシによって追跡されるガンマ線放射を、データ豊富な領域において統計的に有意な範囲でモデル化するために効果的に利用される可能性がある。
論文 参考訳(メタデータ) (2022-06-06T18:00:07Z)
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。