De-risking Carbon Capture and Sequestration with Explainable CO2 Leakage Detection in Time-lapse Seismic Monitoring Images

要約

気候変動に対処するための炭素回収および隔離技術の世界的な展開が拡大する中、既存または貯留に起因する障害による潜在的な CO2 漏出の監視と検出は、技術の安全で長期的な実行可能性にとって重要です。
CO2 貯留のタイムラプス地震モニタリングに関する最近の研究では、地表で記録された地震データから CO2 プルームの成長をモニタリングする能力において有望な結果が示されています。
ただし、地震画像の CO2 濃度に対する感度が低いため、地震画像の漏れを効率的に解釈するには、追加の開発が必要です。
この作業では、最先端の深層学習モデルを使用して CO2 プルーム (漏れ) を描写するために、タイムラプス地震画像のバイナリ分類を紹介します。
さらに、クラス アクティベーション マッピング手法を活用して、CO2 プルームの漏れ領域をローカライズします。

要約(オリジナル)

With the growing global deployment of carbon capture and sequestration technology to combat climate change, monitoring and detection of potential CO2 leakage through existing or storage induced faults are critical to the safe and long-term viability of the technology. Recent work on time-lapse seismic monitoring of CO2 storage has shown promising results in its ability to monitor the growth of the CO2 plume from surface recorded seismic data. However, due to the low sensitivity of seismic imaging to CO2 concentration, additional developments are required to efficiently interpret the seismic images for leakage. In this work, we introduce a binary classification of time-lapse seismic images to delineate CO2 plumes (leakage) using state-of-the-art deep learning models. Additionally, we localize the leakage region of CO2 plumes by leveraging Class Activation Mapping methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google