الميثان هو أحد الغازات الدفيئة القوية، ويعدُّ من العوامل الرئيسية التي تساهم في التغير المناخي. من أجل معالجة هذا التحدي البيئي، تعتمد الأساليب التقليدية على تقنيات تصلح لتصحيح التشوهات الهندسية في البيانات، مما يجعلها غير مناسبة للاستخدام في الفضاء.

ضمن سعيهم لتحسين الكشف عن الميثان، قدم الباحثون dataset جديدة تُدعى UnorthoDOS، تم تصميمها لتدريب النماذج الذكية (Machine Learning) مباشرة على الصور غير المستوية (Unorthorectified Hyperspectral Imagery). هذه الطريقة الجديدة تتجنب الحاجة إلى التصحيح الهندسي، مما يسهل عملية الكشف عن انبعاثات الميثان.

النماذج التي تم تطويرها باستخدام هيكل U-Net تظهر أداءً قريباً من النماذج التي تم تدريبها على بيانات مصححة هندسياً، مع تحسن ملحوظ يصل إلى 16.91% مقارنةً بـ18.47% للنماذج التقليدية، في حين أن متوسط أداء النماذج التقليدية كان 4.76%.

كما تم إثبات إمكانية الاعتماد على هذه النماذج في الفضاء، حيث تم تقليص حجم النموذج بنسبة 50% مع الحفاظ على دقة النتيجة. يتوفر الآن نموذج الذكاء الصناعي المُدرب ومجموعتين من البيانات - الصور المصححة وغير المصححة من جهاز استشعار EMIT - للجمهور عبر الروابط التالية: UnorthoDOS و حزمة الأكواد.

هذه التطورات تمثل خطوة هامة نحو تحسين قدرتنا على رصد وتخفيف انبعاثات الميثان وبالتالي مواجهة التغير المناخي. فما رأيكم في هذه التقنية الجديدة؟ هل تعتقدون أنها ستُحدث فارقاً حقيقياً؟ شاركونا آراءكم في التعليقات.