17 feb. 1999
2 minuten
De Nederlandse atmosfeeronderzoeker Berend Schuit heeft een machine-learning model gebouwd dat automatisch methaanpluimen identificeert uit data van het Nederlandse ruimte-instrument Tropomi. Hij won hiermee de Heinz Stoewer Space Award.
De faculteit lucht- en ruimtevaarttechniek van de TU Delft reikt deze prijs jaarlijks uit aan een student die met zijn/haar afstudeerscriptie het hoogste scoort op kwaliteit en maatschappelijke impact. Schuit voerde zijn project als Delftse student uit bij SRON. Het onderzoek past precies in het streven van TU Delft, KNMI, SRON en TNO om de vooraanstaande kennispositie versterken die Nederland heeft om met satellieten emissies en de samenstelling van de atmosfeer te meten.
Methaan is na CO2 het belangrijkste broeikasgas dat door de mens wordt uitgestoten. "Een klein deel van de bronnen is verantwoordelijk voor een disproportioneel groot deel van de totale uitstoot", zegt Schuit. "In de strijd tegen de opwarming van de aarde is het belangrijk te weten waar die grote methaanbronnen zich bevinden."
Tropomi levert dagelijks metingen van methaan in de atmosfeer over de hele wereld. Omdat dit ongeveer tien miljoen metingen per dag zijn is het ondoenlijk voor wetenschappers om elke dag de hele wereld handmatig af te speuren naar mogelijke methaanbronnen. Bovendien zijn er verstorende factoren waardoor de gemeten methaanconcentraties niet één op één te vertalen zijn naar emissies. Zo zorgt de wind voor verspreiding van methaanemissies en blokkeren wolken het zicht vanuit de ruimte.
Schuit heeft een machine-learning model ontwikkeld dat de methaanpluimen automatisch detecteert. Daartoe heeft hij zijn model getraind om automatisch methaanpluimen te herkennen in de Tropomi-metingen. "Ik heb het model eerst duizend voorbeelden gegeven van methaanpluimen die we handmatig in de data gevonden hebben. Daarnaast heb ik het model tweeduizend waarnemingen gegeven zonder methaanpluimen. Daardoor leert het model methaansignalen te herkennen. Geen twee pluimen zijn hetzelfde. Door op deze manier kunstmatige intelligentie-technieken toe te passen is het model in staat om toekomstige, nog onbekende methaanpluimen te detecteren op basis van wat het heeft geleerd uit het verleden."
Het SRON-Tropomi team krijgt nu elke dag een lijst met locaties die hoge emissies laten zien. Schuit: "Daar staan bekende bronnen op, zoals de lekkende olie- en gasinstallaties in Turkmenistan, wat betekent dat het model werkt. Maar we zien ook regelmatig nieuwe bronnen. De meest interessante geven we door aan onder andere het team achter de Canadese satelliet GHGSat, die verder inzoomt en zo exact de lekkende methaanbron kan identificeren."
Anderen lazen ook
