MethaneS2CM: A Dataset for Multispectral Deep Methane Emission Detection
Notice bibliographique
Résumé
The detection of methane emissions has drawn significant attention from researchers, as methane is one of the main contributors to global warming. Due to their high accessibility and extensive coverage, satellite-based remote sensing data have become a widely used tool for studying methane emissions. The multispectral satellite Sentinel-2 is particularly prominent for studies related to methane, as it provides shortwave infrared (SWIR) spectral band data that align with the methane absorption line. Previous studies on methane emission detection using Sentinel-2 data rely mainly on synthetic data, which involves simulated methane emission plumes overlaid on real Sentinel-2 backgrounds. However, our analysis reveals that Sentinel-2 images with simulated plumes exhibit different data distributions and visual characteristics from those of real-world data. Moreover, these studies typically use only a single reference image as a clean background along with the plume image, which we find to be insufficient. Finally, the lack of publicly available benchmarks hinders research and development in this domain. To address these challenges, we introduce the MethaneS2CM dataset for methane emission detection, collected from Sentinel-2 multispectral data and the CarbonMapper platform. Our dataset consists of two main products (L1C and L2A) of Sentinel-2, including over 4000 plumes from 43 countries, ranging from 2016 to 2024. The dataset incorporates both long-term and short-term variations in Sentinel-2 images, with each sample consisting of images captured at different time periods. Furthermore, we conduct extensive experiments to evaluate a wide range of existing methane emission detection methods and models based on this dataset. We subsequently propose a deep methane emission classification model, MEECNet. Experimental results demonstrate that MEECNet outperforms all baseline methods. Our dataset is publicly available at https://huggingface.co/datasets/H1deaki/MethaneS2CM.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,006 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».