Aunque no es tan frecuente en la atmósfera como el dióxido de carbono, el metano es un gas de efecto invernadero mucho más potente. Ocurriendo de forma natural además de ser provocada por el hombre, el metano tiene una vida mucho más corta que el CO2, pero es de acción rápida y de 20 a 80 veces más eficaz para atrapar el calor. Un poco de metano extra es muy útil.

Además, el metano es invisible, lo que dificulta la detección por medios convencionales. Entonces, cuando el investigador de la Universidad de California en Santa Bárbara, Satish Kumar, y sus colegas observaron el creciente uso de la detección infrarroja como medio de detección de gases de efecto invernadero, como se destacó en una historia reciente del New York Times, estaban contentos. La pieza interactiva utilizó cámaras infrarrojas para rastrear las emisiones de las instalaciones de petróleo y gas en la Cuenca Pérmica, un campo petrolero ubicado en Texas y Nuevo México.

Es un tema cercano a su corazón, como miembro del profesor de ingeniería eléctrica e informática B.S. Laboratorio de investigación de la visión de Manjunath, Kumar realiza trabajos relacionados con el procesamiento y análisis de señales multimedia.

"Como ingeniero informático interesado en la gestión medioambiental, Estoy muy contento de que salgan a la luz las fugas de metano de fuentes previamente desconocidas, " él dijo.

Ahora, para mantener viva la conversación, Kumar y sus colegas han propuesto un sistema que hace mejor la detección de celos, mediante el uso de imágenes hiperespectrales y aprendizaje automático para detectar la longitud de onda específica de las emisiones de metano. Su trabajo fue presentado en la Conferencia de Invierno IEEE 2020 sobre Aplicaciones de la Visión por Computador.

"Las cámaras de infrarrojos solo detectan firmas de temperatura, así que si hay una combinación de gases con firmas de alta temperatura, una cámara de infrarrojos no podrá diferenciar entre ellos, "Dijo Kumar. Una imagen infrarroja podría apuntar a una sugerencia de metano, pero su concentración y su ubicación no pueden ser identificadas solo por la firma de calor. Además, cuanto más se aleja un gas caliente de su fuente, cuanto más fresco se pone, eventualmente haciéndolo invisible al infrarrojo.

Para superar estas deficiencias, Kumar y su equipo utilizaron datos de cámaras hiperespectrales en longitudes de onda de 400 nanómetros a 2, 510 nm, un rango que abarca las longitudes de onda espectrales del metano y quizás las de otros gases, en áreas alrededor de la región de las Cuatro Esquinas. Ubicado en el suroeste de Estados Unidos, la región también es el sitio de lo que podría ser la mayor fuente de liberación de metano en los Estados Unidos, particularmente la Cuenca de San Juan, compartido por Nuevo México y Colorado.

Las imágenes hiperespectrales implican la recopilación de una serie de imágenes, en el que cada píxel contiene un espectro y cada imagen representa una banda espectral (un rango de longitudes de onda). Su alta sensibilidad le permite capturar "huellas dactilares" espectrales que corresponden a ciertos materiales, como el metano 2, 200-2, 400 nm de longitud de onda, lo que permitió a los investigadores localizar metano, incluso en una nube de otros gases.

Pero, el metano no es el único material que existe en esa longitud de onda.

"Hay muchos factores de confusión para el metano, "Kumar dijo." Los hidrocarburos de carreteras y pinturas en edificios, tienen la misma firma que el metano ”. La gran cantidad de datos y el potencial de confusión entre el metano y otros hidrocarburos llevaron a los investigadores a recurrir al aprendizaje automático.

"Usamos un modelo de aprendizaje profundo para entrenar a la computadora a aprender la forma que toma una fuga de gas metano cuando se libera y se propaga, ", explicó. Esto ayudó a los investigadores no solo a identificar el lugar desde el que se emitía el metano, ya sea de una planta de gas o de un vertedero, sino también para diferenciar automáticamente entre metano y otros hidrocarburos en la misma imagen.

Usando este método, los investigadores informan una tasa de éxito del 87% en la detección precisa de fugas de metano, más de los cuales continúan siendo descubiertos a partir de una variedad de fuentes artificiales. Estos incluyen emisiones fugitivas por quema incompleta, Fugas previamente no detectadas de operaciones mal monitoreadas, y las fugas acumulativas de metano de los hogares, empresas e infraestructura urbana.