論文の概要: Artificial intelligence for methane detection: from continuous monitoring to verified mitigation

• arxiv url: http://arxiv.org/abs/2511.21777v1
• Date: Wed, 26 Nov 2025 08:16:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-01 19:47:55.231992
• Title: Artificial intelligence for methane detection: from continuous monitoring to verified mitigation
• Title（参考訳）: メタン検出のための人工知能-連続モニタリングから検証緩和まで
• Authors: Anna Allen, Gonzalo Mateo-Garcia, Itziar Irakulis-Loitxate, Manuel Montesino-San Martin, Marc Watine, James Requeima, Javier Gorroño, Cynthia Randles, Tharwat Mokalled, Luis Guanter, Richard E. Turner, Claudio Cifarelli, Manfredi Caltagirone,
• Abstract要約: メタンは温室効果ガスであり、工業時代から約30%の温暖化を担っている。 本稿では,公用マルチスペクトル衛星画像におけるメタン排出量を検出する機械学習モデルMARS-S2Lを紹介する。
• 参考スコア（独自算出の注目度）: 13.281959707326992
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Methane is a potent greenhouse gas, responsible for roughly 30\% of warming since pre-industrial times. A small number of large point sources account for a disproportionate share of emissions, creating an opportunity for substantial reductions by targeting relatively few sites. Detection and attribution of large emissions at scale for notification to asset owners remains challenging. Here, we introduce MARS-S2L, a machine learning model that detects methane emissions in publicly available multispectral satellite imagery. Trained on a manually curated dataset of over 80,000 images, the model provides high-resolution detections every two days, enabling facility-level attribution and identifying 78\% of plumes with an 8\% false positive rate at 697 previously unseen sites. Deployed operationally, MARS-S2L has issued 1,015 notifications to stakeholders in 20 countries, enabling verified, permanent mitigation of six persistent emitters, including a previously unknown site in Libya. These results demonstrate a scalable pathway from satellite detection to quantifiable methane mitigation.
• Abstract（参考訳）: メタンは強力な温室効果ガスであり、工業時代から約30%の温暖化を担っている。 少数の大点源が不均等な排出のシェアを占めており、比較的少数のサイトをターゲットにして大幅な削減の機会を生み出している。 資産所有者への通知のために大規模な大規模な排出量の検出と帰属は依然として困難である。 本稿では,公用マルチスペクトル衛星画像におけるメタン排出量を検出する機械学習モデルMARS-S2Lを紹介する。 8万枚以上の画像を手動でキュレートしたデータセットでトレーニングされたこのモデルは、2日ごとに高解像度な検出を提供し、施設レベルの帰属を可能にし、以前は見つからなかった697箇所で8倍の偽陽性率で78倍のプラムを識別する。 運用上、MARS-S2Lは20カ国の利害関係者に1,015の通知を発行し、リビアの未知のサイトを含む6つの持続的なエミッターの恒久的な緩和を可能にした。 これらの結果は、衛星検出から定量化メタン除去までのスケーラブルな経路を示す。

関連論文リスト

• Operational machine learning for remote spectroscopic detection of CH$_{4}$ point sources [1.0934673357973288]
  人為的メタン源の緩和は、地球温暖化を減速させる最も費用対効果の高いレバーの1つである。 マッチングフィルタに基づく現在のメタン回収法は、依然として多数の誤検出を発生させる。 本稿では,メタン排出量を検出する機械学習システムの運用展開について述べる。
  論文  参考訳（メタデータ） (2025-11-11T00:53:03Z)
• Don't Deceive Me: Mitigating Gaslighting through Attention Reallocation in LMMs [102.18178065928426]
  GasEraserはトレーニングなしのアプローチで、誤解を招くテキストトークンから意味論的に健全な視覚領域への注意重みを再配置する。 GasEraserは、再訓練や追加の監督を必要とせず、LMMの堅牢性を大幅に改善する。 LLaVA-v1.5-7Bでは、ガスアラサーは48.2%の誤認率を減らし、より信頼できるLMMの可能性を示している。
  論文  参考訳（メタデータ） (2025-04-13T06:47:32Z)
• Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
  メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。 この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。 従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
  論文  参考訳（メタデータ） (2024-08-27T15:03:20Z)
• AI for operational methane emitter monitoring from space [14.274401014063018]
  メタン排出量の削減は、短期的に地球温暖化を抑える最速の方法だ。 我々は、Sentinel-2とLandsat衛星画像のための自動AI駆動メタンエミッタ監視システムMARS-S2Lを提案する。 このシステムの運用は6ヶ月にわたって行われ、22カ国で457件の準リアルタイム検出が行われた。
  論文  参考訳（メタデータ） (2024-08-08T20:06:37Z)
• A Comprehensive Survey of Contamination Detection Methods in Large Language Models [68.10605098856087]
  近年のLarge Language Models(LLM)の台頭に伴い、多くの新しい機会が生まれつつありますが、新たな課題もあります。 LLMの性能は、データへの以前の露出のために、少なくとも部分的には高性能である可能性があるため、もはや信頼性が低い可能性がある。 この制限は、NLPの分野での実際の能力向上を阻害するが、汚染を効率的に検出する方法が不足している。
  論文  参考訳（メタデータ） (2024-03-31T14:32:02Z)
• 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)
• MethaneMapper: Spectral Absorption aware Hyperspectral Transformer for Methane Detection [13.247385727508155]
  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。
  論文  参考訳（メタデータ） (2023-04-05T22:15:18Z)
• 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)
• Counting Cows: Tracking Illegal Cattle Ranching From High-Resolution Satellite Imagery [59.32805936205217]
  牛の農業は世界の温室効果ガス排出量の8.8%を占めている。 40cmの解像度でアマゾンの衛星画像を取得し、合計28498頭の牛を含む903枚の画像のデータセットをまとめた。 本実験は,有望な結果を示し,これらの課題を解決するためのアルゴリズムとデータ収集プロセスのいずれにおいても,次のステップの重要方向を示すものである。
  論文  参考訳（メタデータ） (2020-11-14T19:07:39Z)

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。