基于遥感数据的工业烟羽表征
计算机视觉与模式识别
2020-11-24 v1 人工智能
机器学习
摘要
全球变暖的主要驱动因素已被确定为工业活动产生的人为温室气体（GHG）排放。对这些排放的定量监测对于充分理解其对地球气候的影响并大规模执行排放法规是必需的。在这项工作中，我们研究了利用 ESA 哨兵-2（Sentinel-2）卫星提供的全球免费多波段图像数据来检测和量化工业烟羽的可能性。使用修改后的 ResNet-50，我们可以以 94.3% 的准确度检测不同大小的烟羽。该模型正确忽略自然云，并聚焦于与气溶胶和水蒸气光谱吸收相关的成像通道，从而实现烟羽定位。我们利用这种定位能力，并在标记的数据子样本上训练 U-Net 分割模型，得到交并比（IoU）指标为 0.608，对任意烟羽检测的总体准确度为 94.0%；平均而言，我们的模型可将图像中烟羽覆盖面积复现至 5.6% 误差范围内。我们模型的性能主要受制于偶尔与地表物体混淆、无法识别半透明烟羽，以及人类仅基于 RGB 图像正确识别烟羽的局限性。尽管如此，我们的结果使我们能够可靠地检测并定性估计烟羽活动水平，以监测全球工业设施的活动。我们的数据集和代码库公开可用。
引用
@article{arxiv.2011.11344,
title = {Characterization of Industrial Smoke Plumes from Remote Sensing Data},
author = {Michael Mommert and Mario Sigel and Marcel Neuhausler and Linus Scheibenreif and Damian Borth},
journal= {arXiv preprint arXiv:2011.11344},
year = {2020}
}
备注
To be presented at the "Tackling Climate Change with Machine Learning" workshop at NeurIPS 2020