Google Research e NASA sviluppano MAPL-EMIT, un modello di deep learning per individuare e localizzare le emissioni di metano dallo spazio.
Google porta l’intelligenza artificiale nello spazio per rendere più efficace il monitoraggio delle emissioni di metano. Il nuovo modello MAPL-EMIT, sviluppato da Google Research in collaborazione con la NASA e il Jet Propulsion Laboratory, utilizza infatti il deep learning per individuare, analizzare e localizzare dallo spazio i pennacchi di metano, trasformando i dati satellitari in uno strumento potenzialmente utile per accelerare le azioni di mitigazione climatica.
Perché il metano? Perché il metano rappresenta una delle principali leve sulle quali intervenire per contenere il riscaldamento globale. Nell’arco di 100 anni ha un potenziale climalterante circa 30 volte superiore a quello dell’anidride carbonica e, secondo le stime richiamate da Google, ha contribuito per circa un quarto al riscaldamento di origine antropica dall’inizio dell’era industriale. La sua permanenza relativamente breve nell’atmosfera rende inoltre la riduzione delle emissioni una delle opportunità più immediate per rallentare l’aumento delle temperature.
La difficoltà è individuare con precisione le fonti, spesso concentrate in aree molto ristrette. È qui che entra in gioco MAPL-EMIT, acronimo di Methane Analysis and Plume Localization with EMIT. Il sistema sfrutta i dati dello strumento EMIT della NASA, installato sulla Stazione Spaziale Internazionale e nato per studiare la composizione mineralogica delle aree aride. Le sue capacità di imaging iperspettrale permettono però anche di riconoscere la specifica “firma” del metano. Rispetto ai metodi tradizionali, il modello sviluppato da Google non analizza soltanto i singoli pixel, ma interpreta anche il contesto spaziale. Questa capacità consente di distinguere meglio un pennacchio reale dalle caratteristiche del terreno che possono generare falsi segnali e di gestire situazioni particolarmente complesse, come quelle in cui più emissioni provenienti da impianti vicini si sovrappongono.
Nello specifico MAPL-EMIT affronta contemporaneamente tre passaggi: quantifica la concentrazione del metano, ricostruisce la forma del pennacchio e risale alla sua possibile sorgente. Per addestrare il modello, i ricercatori hanno generato 3,6 milioni di pennacchi sintetici attraverso simulazioni basate sulla fisica della dispersione dei gas, inserendoli in immagini reali raccolte da EMIT. Un approccio che ha permesso all’AI di confrontarsi con emissioni di diversa intensità e con condizioni atmosferiche e geografiche molto differenti.
I risultati indicano un recall dell’84% rispetto ai pennacchi annotati da esperti e una maggiore capacità di individuare segnali rispetto agli approcci esistenti. Il modello ha inoltre rilevato emissioni in 24 dei 25 principali siti di smaltimento rifiuti a maggiore emissione a livello globale. Restano tuttavia possibili falsi positivi, soprattutto in contesti caratterizzati da terreni complessi.
La prospettiva è ora quella di rendere queste informazioni sempre più accessibili a ricercatori, istituzioni e imprese. Google ha infatti reso disponibili il database globale dei pennacchi, il modello addestrato e una libreria per l’utilizzo dei dati. L’obiettivo è favorire un monitoraggio più capillare delle emissioni e fornire a chi gestisce impianti e infrastrutture informazioni utili per individuare rapidamente le perdite e intervenire.