Detection of anomalously emitting ships through deviations from predicted TROPOMI NO2 retrievals

要約

2021 年から、北海とバルト海で運航する船舶に対して、より厳しい $\text{NO}_\text{x}$ 排出規制が導入されました。
船舶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、財政的にも時間的にも厳しいものであるため、コンプライアンス違反の可能性が高い船舶の検査を優先することが重要です。
大規模な船の $\text{NO}_\text{2}$ 推定に対する現在の最先端のアプローチは、TROPOMI 画像上の船のプルームの教師あり機械学習ベースのセグメンテーションです。
ただし、検証に使用される困難なデータ注釈と不十分に複雑な船舶排出プロキシにより、船舶コンプライアンス監視のモデルの適用性が制限されます。
この研究では、TROPOMI/S5P 衛星データの機械学習モデルの組み合わせを使用して、非準拠の可能性のある船舶を自動選択する方法を提示します。
これは、特定の大気条件で操業する特定の特性を持つ船によって生成されると予想される $\text{NO}_\text{2}$ の量を予測する、提案された回帰モデルに基づいています。
このモデルは手動でのラベル付けを必要とせず、TROPOMI データで直接検証されます。
生成された $\text{NO}_\text{2}$ の予測量と実際の量の差は、同じ船のさまざまな観測で統合され、船の検査の価値の尺度として使用されます。
結果の堅牢性を保証するために、得られた結果を以前に開発されたセグメンテーションベースの方法の結果と比較します。
セグメンテーションの方法によっても大きく逸脱している船舶には、さらに注意が必要です。
TROPOMI データを確認しても他に理由が見つからない場合は、それぞれの船舶を検査の対象とすることをお勧めします。

要約(オリジナル)

Starting from 2021, more demanding $\text{NO}_\text{x}$ emission restrictions were introduced for ships operating in the North and Baltic Sea waters. Since all methods currently used for ship compliance monitoring are financially and time demanding, it is important to prioritize the inspection of ships that have high chances of being non-compliant. The current state-of-the-art approach for a large-scale ship $\text{NO}_\text{2}$ estimation is a supervised machine learning-based segmentation of ship plumes on TROPOMI images. However, challenging data annotation and insufficiently complex ship emission proxy used for the validation limit the applicability of the model for ship compliance monitoring. In this study, we present a method for the automated selection of potentially non-compliant ships using a combination of machine learning models on TROPOMI/S5P satellite data. It is based on a proposed regression model predicting the amount of $\text{NO}_\text{2}$ that is expected to be produced by a ship with certain properties operating in the given atmospheric conditions. The model does not require manual labeling and is validated with TROPOMI data directly. The differences between the predicted and actual amount of produced $\text{NO}_\text{2}$ are integrated over different observations of the same ship in time and are used as a measure of the inspection worthiness of a ship. To assure the robustness of the results, we compare the obtained results with the results of the previously developed segmentation-based method. Ships that are also highly deviating in accordance with the segmentation method require further attention. If no other explanations can be found by checking the TROPOMI data, the respective ships are advised to be the candidates for inspection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google