The integration of vision transformers and SAM for automated methane super-emitter detection using TROPOMI data
Notice bibliographique
Résumé
Methane (CH 4 ) significantly contributes to global warming, with a global warming potential approximately 84 times greater than carbon dioxide (CO 2 ) over 20 years. Numerous studies have shown that a small number of high-emitting point sources, known as super-emitters, account for a disproportionately large share of total anthropogenic CH 4 emissions, underscoring the urgency of targeted detection strategies. Recently, a growing focus has been on using remote sensing technology for CH 4 monitoring across various emission sources. As such, this study introduces an automated solution for identifying CH 4 super-emitters using Sentinel-5P (S5P) satellite data. Specifically, a deep learning (DL) framework that integrates a Vision Transformer (ViT) and the Segment Anything Model (SAM) for CH 4 plume detection is proposed. The ViT model is trained using CH 4 plume locations reported by the Netherlands Institute for Space Research (SRON) to classify the presence or absence of CH 4 plumes within image patches, achieving an overall accuracy (OA) of 0.92. Subsequently, SAM extracts plume boundaries from patches identified as plumes by the ViT. Integrated Mass Enhancement (IME) is then used to quantify emission rates based on the SAM-generated masks. This approach is applied to various known emission regions, including Turkmenistan, Spain, Algeria, Argentina, China, Iran, the United States, India, and Morocco, identifying significant CH 4 plumes with emission rates up to 92 t/h. The reported rates align closely with SRON values for the same dates and locations. While the ViT model requires supervised training, the SAM component operates without mask-specific training data, enabling automated and generalizable mask extraction. This study demonstrates the potential of combining advanced AI models with satellite data for effective CH 4 monitoring and environmental assessment.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».