METER-ML: A Multi-sensor Earth Observation Benchmark for Automated Methane Source Mapping

要約

地球温暖化を緩和するためには、メタン排出量の削減が不可欠です。
メタン排出をそれらの発生源に帰するためには、メタン発生源インフラストラクチャの包括的なデータセットが必要です。
リモートセンシング画像のディープラーニングによる最近の進歩は、メタン源の場所と特性を特定する可能性を秘めていますが、機械学習の研究者や実践者が自動マッピングアプローチを構築できるようにするための公開データが大幅に不足しています。
このギャップを埋めるために、米国で86,625の地理参照NAIP、Sentinel-1、および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ます。
炭鉱、埋め立て地、天然ガス処理プラント、石油精製所および石油ターミナル、および廃水処理プラント。
さまざまな空間解像度、空間フットプリント、画像製品、およびスペクトルバンドを活用するさまざまなモデルを実験します。
私たちの最良のモデルは、専門家がラベルを付けたテストセットで、集中家畜飼養事業を特定するための0.915、石油精製所と石油ターミナルの0.821の適合率再現率曲線の下の領域を達成し、大規模なマッピングの可能性を示唆しています。
METER-MLをhttps://stanfordmlgroup.github.io/projects/meter-ml/で無料で利用できるようにして、自動メタンソースマッピングに関する将来の作業をサポートします。

要約(オリジナル)

Reducing methane emissions is essential for mitigating global warming. To attribute methane emissions to their sources, a comprehensive dataset of methane source infrastructure is necessary. Recent advancements with deep learning on remotely sensed imagery have the potential to identify the locations and characteristics of methane sources, but there is a substantial lack of publicly available data to enable machine learning researchers and practitioners to build automated mapping approaches. To help fill this gap, we construct a multi-sensor dataset called METER-ML containing 86,625 georeferenced NAIP, Sentinel-1, and Sentinel-2 images in the U.S. labeled for the presence or absence of methane source facilities including concentrated animal feeding operations, coal mines, landfills, natural gas processing plants, oil refineries and petroleum terminals, and wastewater treatment plants. We experiment with a variety of models that leverage different spatial resolutions, spatial footprints, image products, and spectral bands. We find that our best model achieves an area under the precision recall curve of 0.915 for identifying concentrated animal feeding operations and 0.821 for oil refineries and petroleum terminals on an expert-labeled test set, suggesting the potential for large-scale mapping. We make METER-ML freely available at https://stanfordmlgroup.github.io/projects/meter-ml/ to support future work on automated methane source mapping.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google