Supervised segmentation of NO2 plumes from individual ships using TROPOMI satellite data

要約

2021年以降、国際海事機構は、バルト海と北海に入る船舶の$ \ text {NO} _ \ text{x}$排出要件を大幅に強化しました。
船舶のコンプライアンス監視に現在使用されているすべての方法は費用がかかり、船舶に近接している必要があるため、排出基準の履行をグローバルかつ継続的に監視することはこれまで不可能でした。
有望なアプローチは、最近打ち上げられたTROPOMI/S5P衛星でのリモートセンシングの使用です。
前例のないほど高い空間分解能により、個々の船の$ \ text {NO} _ \ text{2}$プルームを視覚的に区別できます。
TROPOMIデータに基づくコンプライアンス監視システムを正常に展開するには、$ \ text {NO} _ \ text{2}$を個々の船に帰属させるための自動化された手順を開発する必要があります。
ただし、信号対雑音比が非常に低く、他の（多くの場合はより強力な）ソースからの信号との干渉があり、グラウンドトゥルースがないため、この作業は非常に困難です。
これは、個々の船によって生成された排出プルームのセグメンテーションのための教師あり学習の適用を提案する最初の研究です。
そのため、リモートセンシングデータを使用したグローバルな船舶コンプライアンス監視の自動化手順に向けた最初のステップです。
この目的のために、空間データに多変量モデルを適用できる特徴構築手法を開発しました。
いくつかの教師あり学習モデルを適用し、TROPOMI衛星データを使用した船のプルームセグメンテーションの既存の教師なしソリューションに向けてベンチマークを行いました。
提案されたアプローチは、プルームのセグメンテーションを大幅に改善し、船の排出ポテンシャルの理論的に導き出された測定値と高い相関関係があることを示しました。

要約(オリジナル)

Starting from 2021, the International Maritime Organization significantly tightened the $\text{NO}_\text{x}$ emission requirements for ships entering the Baltic and the North Sea waters. Since all methods currently used for the ships’ compliance monitoring are costly and require proximity to the ship, the performance of global and continuous monitoring of the emission standards’ fulfillment has been impossible up to now. A promising approach is the use of remote sensing with the recently launched TROPOMI/S5P satellite. Due to its unprecedentedly high spatial resolution, it allows for the visual distinction of $\text{NO}_\text{2}$ plumes of individual ships. To successfully deploy a compliance monitoring system that is based on TROPOMI data, an automated procedure for the attribution of $\text{NO}_\text{2}$ to individual ships has to be developed. However, due to the extremely low signal-to-noise ratio, interference with the signal from other – often stronger – sources, and the absence of ground truth, the task is very challenging. This is the first study proposing an application of supervised learning for the segmentation of emission plumes produced by individual ships. As such, it is the first step towards an automated procedure for global ship compliance monitoring using remote sensing data. To this end, we developed a feature construction method allowing the application of multivariate models on spatial data. We applied several supervised-learning models and benchmark them towards existing unsupervised solutions of ship-plume segmentation with TROPOMI satellite data. We showed that the proposed approach leads to significant plume segmentation improvement and a high correlation with the theoretically derived measure of the ship’s emission potential.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google