Classification of Methane Satellite Image Retrievals

Le combat contre le changement et réchauffement climatique est un enjeu majeur au 21e siècle. Le méthane est le deuxième gaz à effet de serre d’origine humaine le plus émis et l’augmentation continue de ses niveaux d’émissions présente désormais une préoccupation internationale. En 2015, l’Accord de Paris a été adopté par 196 pays dans lequel des efforts coordonnés pour réduire les taux d’émission ont été mis en place. Les différentes limitations présentées par les méthodes traditionnelles de suivie et d’estimation des émissions ont conduit à l’utilisation croissante de technologies de télédétection telles que les méthodes aéroportées et satellitaires pour suivre les émissions de méthane. À l’exemple de GHGSAT, une société qui exploite des satellites équipés de capteurs hyperspectraux conçus explicitement pour surveiller les émissions de méthane provenant des industries et d’autres sources dans le monde. Le travail présenté a pour objectif d’implémenter des méthodes d’apprentissage automa- tiques dans le but de pouvoir différencier automatiquement les récupérations des satellites de GHGSAT qui présentent des émissions de méthane de ceux qui n’en présentent pas. Pour ce faire, 16 679 récupérations d’image de méthane qui ont été labellisés par les opérateurs de GHGSAT ont été utilisés. Des chaines d’image ainsi que des descripteurs d’image ont été conçus après une étude du jeu de données. Ces derniers sont extraits et utilisés pour entrainer et améliorer plusieurs modèles d’apprentissage automatique. L’approche a été rigoureusement évaluée, les meilleurs modèles affichent des précisions (accuracies) de 92% et un taux de détection de 80% pour les récupérations contenant des émissions, atteignant 96% pour les émissions les plus importantes.