Mapping Methane — The Impact of Dairy Farm Practices on Emissions Through Satellite Data and Machine Learning

要約

この研究では、カナダ東部の衛星観測から得られた酪農場の特性とメタン濃度との相関関係を調査しています。
2020 年 1 月から 2022 年 12 月までに収集された 11 の酪農場からのデータを利用して、Sentinel-5P 衛星メタン データと、群れの遺伝学、給餌慣行、管理戦略などの重要な農場レベルの属性を統合しました。
初期の分析ではメタン濃度との有意な相関関係が明らかになり、多重共線性に対処しモデルの安定性を高めるために分散膨張係数 (VIF) と主成分分析 (PCA) を適用することにつながりました。
その後、機械学習モデル、特にランダム フォレストとニューラル ネットワークが、特徴の重要性を評価し、メタン排出量を予測するために採用されました。
私たちの調査結果は、タンパク質の割合に関する推定育種価値（EBV）とメタン濃度との間に強い負の相関関係があることを示しており、より高い乳タンパク質含有量を求める遺伝子選択が排出削減の効果的な戦略となり得ることを示唆しています。
大気輸送モデルと衛星データの統合により、排出量の推定値がさらに洗練され、精度と空間分解能が大幅に向上しました。
この研究は、酪農部門内のメタン排出評価の改善における高度な衛星監視、機械学習技術、大気モデリングの可能性を強調しています。
それは、効果的な緩和戦略を開発する上で農場固有の特性が重要な役割を果たしている点を強調しています。
今後の調査では、データセットの拡張と、より正確な排出量定量化のための反転モデリングの組み込みに重点を置く必要があります。
持続可能な酪農慣行を促進するには、生態学的影響と経済的実行可能性のバランスをとることが不可欠です。

要約(オリジナル)

This study investigates the correlation between dairy farm characteristics and methane concentrations as derived from satellite observations in Eastern Canada. Utilizing data from 11 dairy farms collected between January 2020 and December 2022, we integrated Sentinel-5P satellite methane data with critical farm-level attributes, including herd genetics, feeding practices, and management strategies. Initial analyses revealed significant correlations with methane concentrations, leading to the application of Variance Inflation Factor (VIF) and Principal Component Analysis (PCA) to address multicollinearity and enhance model stability. Subsequently, machine learning models – specifically Random Forest and Neural Networks – were employed to evaluate feature importance and predict methane emissions. Our findings indicate a strong negative correlation between the Estimated Breeding Value (EBV) for protein percentage and methane concentrations, suggesting that genetic selection for higher milk protein content could be an effective strategy for emissions reduction. The integration of atmospheric transport models with satellite data further refined our emission estimates, significantly enhancing accuracy and spatial resolution. This research underscores the potential of advanced satellite monitoring, machine learning techniques, and atmospheric modeling in improving methane emission assessments within the dairy sector. It emphasizes the critical role of farm-specific characteristics in developing effective mitigation strategies. Future investigations should focus on expanding the dataset and incorporating inversion modeling for more precise emission quantification. Balancing ecological impacts with economic viability will be essential for fostering sustainable dairy farming practices.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google