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

要約

タイトル：TROPOMI衛星データを使用した個々の船舶からのNO2プルームの監視のための教師ありセグメンテーション

要約：
– 船舶産業は、人間の健康と環境にとって有害な物質である$\text{NO}_\text{x}$の最も強力な人工的排出源の1つです。
– 産業の急速な成長は、船舶による排出レベルの管理に対する社会的圧力を引き起こしています。
– 現在、船舶排出量のモニタリングに使用されている方法はすべて高価であり、船舶に近接する必要があるため、グローバルかつ連続した排出量のモニタリングが不可能です。
– 遠隔センシングの適用が有望です。研究により、Copernicus Sentinel 5 Precursor（TROPOMI / S5P）搭載のTROPOspheric Monitoring Instrumentを使用すると、個々の船舶からの一部の$\text{NO}_\text{2}$プルームが視覚的に区別できることが示されました。
– 遠隔センシングに基づくグローバルな排出量監視システムを展開するには、個々の船からの$\text{NO}_\text{2}$排出量の自動推定手順が必要です。
– 利用可能なデータの信号対ノイズ比が非常に低く、グラウンドトゥルースがないため、このタスクは非常に困難です。
– 本研究では、TROPOMI / S5Pデータの教師あり機械学習による個々の船によって生成された$\text{NO}_\text{2}$プルームの自動セグメンテーションのための方法を提案しています。
– 提案手法は、以前の研究で使用された方法と比較して、平均精度スコアが20％以上向上し、理論的に導出された船舶排出プロキシとの高い相関係数（0.834）を示すことができました。
– この研究は、遠隔センシングデータを使用したグローバル船舶排出量監視の自動化手順の開発に向けた重要な一歩です。

要約(オリジナル)

The shipping industry is one of the strongest anthropogenic emitters of $\text{NO}_\text{x}$ — substance harmful both to human health and the environment. The rapid growth of the industry causes societal pressure on controlling the emission levels produced by ships. All the methods currently used for ship emission monitoring are costly and require proximity to a ship, which makes global and continuous emission monitoring impossible. A promising approach is the application of remote sensing. Studies showed that some of the $\text{NO}_\text{2}$ plumes from individual ships can visually be distinguished using the TROPOspheric Monitoring Instrument on board the Copernicus Sentinel 5 Precursor (TROPOMI/S5P). To deploy a remote sensing-based global emission monitoring system, an automated procedure for the estimation of $\text{NO}_\text{2}$ emissions from individual ships is needed. The extremely low signal-to-noise ratio of the available data as well as the absence of ground truth makes the task very challenging. Here, we present a methodology for the automated segmentation of $\text{NO}_\text{2}$ plumes produced by seagoing ships using supervised machine learning on TROPOMI/S5P data. We show that the proposed approach leads to a more than a 20\% increase in the average precision score in comparison to the methods used in previous studies and results in a high correlation of 0.834 with the theoretically derived ship emission proxy. This work is a crucial step toward the development of an automated procedure for global ship emission monitoring using remote sensing data.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI