面向卫星在轨甲烷检测的研究
计算机视觉与模式识别
2026-05-14 v7 人工智能
摘要
甲烷是一种强效温室气体，也是气候变化的主要驱动因素，因此及时检测甲烷对于有效减排至关重要。部署在卫星上的机器学习（ML）能够实现快速检测并降低下行链路成本，从而支持更快的响应系统。传统的甲烷检测方法通常依赖图像处理技术，例如用于校正几何畸变的正射校正和用于增强羽流信号的匹配滤波器。我们引入了一种新方法，通过使用未正射校正数据（UnorthoDOS）来绕过这些预处理步骤。我们发现，在该数据集上训练的 ML 模型达到了与在正射校正数据上训练的模型相当的性能。此外，我们还在正射校正数据集上训练了模型，结果表明它们优于匹配滤波器基线（mag1c）。我们发布了模型检查点以及两个 ML 就绪数据集，其中包含来自地球表面矿物粉尘源调查（EMIT）传感器的正射校正与未正射校正高光谱图像，数据集见 https://huggingface.co/datasets/SpaceML/UnorthoDOS ，代码见 https://github.com/spaceml-org/plume-hunter 。
引用
@article{arxiv.2509.00626,
title = {Towards Methane Detection Onboard Satellites},
author = {Maggie Chen and Hala Lamdouar and Luca Marini and Laura Martínez-Ferrer and Chris Bridges and Giacomo Acciarini},
journal= {arXiv preprint arXiv:2509.00626},
year = {2026}
}