Pierwsze w historii globalne szacunki dotyczące emisji gazów cieplarnianych przez transport drogowy

Amerykańska Agencja Ochrony Środowiska szacuje, że sektor transportu odpowiada za około 27% wszystkich emisji gazów cieplarnianych rocznie w Stanach Zjednoczonych, a emisje z transportu drogowego - napędzanego przez pojazdy spalinowe wytwarzające węgiel - stanowią większość tych emisji.

Ruch drogowy USA. Duże w nowym oknie >>

Przez lata badacze próbowali dokładniej zmierzyć te emisje, ale istniejące inwentarze są często przestarzałe, niekompletne i ograniczone.

Teraz naukowcy z Johns Hopkins Applied Physics Laboratory (APL) w Laurel, Maryland, wykorzystali sztuczną inteligencję i uczenie maszynowe (ML), aby stworzyć dokładne szacunki emisji z transportu drogowego dla 500 najbardziej emisyjnych miast na świecie.

"W szczególności byliśmy w stanie oszacować średni roczny dzienny ruch na poszczególnych segmentach dróg w obszarach miejskich i połączyliśmy to z lokalnymi szacunkami współczynników emisji pojazdów, aby uzyskać całkowite oszacowanie emisji" - wyjaśniła Marisa Hughes, asystentka kierownika programu Environmental Resilience w APL's Research and Exploratory Development Mission Area.

"Możliwość obliczenia emisji w podziale na segmenty dróg zapewnia bezprecedensowy poziom szczegółowości i globalny zasięg" - powiedziała Hughes, która pomaga zarządzać wysiłkami Laboratorium w zakresie zmian klimatu. "Połączenie przewidywanej przez ML aktywności drogowej wraz z danymi dotyczącymi współczynników emisji dla poszczególnych regionów tworzy zautomatyzowane, dokładne, globalne, terminowe i możliwe do podjęcia działań szacunki emisji gazów cieplarnianych w transporcie drogowym".

"Nie można zmienić tego, czego nie można zmierzyć, a to jest duże wyzwanie, jeśli chodzi o przeciwdziałanie zmianom klimatu. Musimy wiedzieć, skąd pochodzą emisje gazów cieplarnianych, ale oznacza to konieczność uwzględnienia ogromnej liczby drobnych zanieczyszczeń w różnych okresach i regionach geograficznych."

Naukowcy z Johns Hopkins Applied Physics Laboratory (APL) wykorzystali sztuczną inteligencję i obrazy satelitarne, aby opublikować pierwsze w historii globalne szacunki dotyczące emisji gazów cieplarnianych przez transport drogowy.

Uczynić niewidzialne widocznym

Szacuje się, że na świecie jest 1,4 miliarda pojazdów mechanicznych. Zespół ekspertów APL w dziedzinie teledetekcji i wizji komputerowej pomyślał, że może zmierzyć ilość gazów cieplarnianych pochodzących z tych pojazdów, wyciągając sygnatury emisji z wizualnych danych satelitarnych, zasadniczo czyniąc niewidzialne widzialnym. Zaczęli przyglądać się istniejącym danym dotyczącym emisji, korelować je z tymi obrazami, wyłuskiwać wszystko, co się dało za pomocą sieci neuronowych.

Wtedy zespół zdał sobie sprawę, że istnieje inny sposób na rozwiązanie tego problemu, powiedział Hughes. APL miało doświadczenie w mapowaniu wzorów życia uzykane w projekcie zwanym Funkcjonalną Mapą Świata, gdzie eksperci mapowali wykorzystanie terenu i struktury, a także używali danych satelitarnych z różnych pór dnia, aby zrozumieć i rozróżnić podobnie wyglądające struktury, takie jak budynki biurowe i kompleksy mieszkalne.

"Pomyśleliśmy, co by było, gdybyśmy wzięli tę samą analizę 'pattern of life' i zamiast skupiać się na budynkach, przyjrzeliśmy się sieciom dróg, które je łączyły" - wspomina Derek Rollend, starszy badacz ML w APL. "Zbudowaliśmy głęboką sieć neuronową, która przyjmowała dane wejściowe, które były dostępne globalnie: zdjęcia satelitarne, dane dotyczące sieci dróg i populacji".

Ponieważ niektóre obszary miały drobnoziarniste dane dotyczące emisji i liczby pojazdów, "byliśmy w stanie trenować nasze modele uczenia maszynowego z tymi prawdziwymi danymi dotyczącymi aktywności pojazdów w tym miejscu, a następnie zastosować przewidywania modelu najpierw na poziomie kraju, a ostatnio dla 500 największych miast na świecie", kontynuował.

Praca ta stanowi ważny element większych wysiłków na rzecz monitorowania emisji gazów cieplarnianych w skali globalnej, prowadzonych przez Climate TRACE [Tracking Real-time Atmospheric Carbon Emissions], międzynarodową koalicję stworzoną w celu przyspieszenia i ułatwienia znaczących działań na rzecz klimatu poprzez niezależne śledzenie emisji gazów cieplarnianych z niespotykaną dotąd szczegółowością i szybkością.

Praca ta reprezentuje sposób, w jaki APL wnosi swoją unikalną wiedzę specjalistyczną, aby wnieść trwały wkład w globalne wyzwania związane ze zmianami klimatu.

"Jest to doskonały przykład tego, jak nasze unikalne umiejętności i możliwości w zakresie uczenia maszynowego, obrazowania satelitarnego i modelowania systemów mogą być stosowane w celu zrozumienia i pewnego dnia rozwiązania złożonych problemów" - powiedział Bobby Armiger, który wraz z Hughesem współprowadzi badania nad zmianami klimatu w całym laboratorium.

9 listopada Climate TRACE opublikował najbardziej szczegółowy spis emisji gazów cieplarnianych, jaki kiedykolwiek powstał, dostarczając danych o emisji na poziomie aktywów dla 81 087 indywidualnych źródeł na całym świecie - dane transportowe APL były częścią tego wydania. Oprócz wydania informacji na poziomie obiektu, Climate TRACE zaktualizował swój niezależny wykaz emisji z każdego kraju, aby uwzględnić dane z 2021 r., zapewniając pełny obraz rocznych emisji gazów cieplarnianych od 2015 roku - roku zawarcia porozumienia paryskiego, międzynarodowego traktatu dotyczącego zmian klimatu.

Wprowadzanie radykalnej przejrzystości do globalnych emisji

Członkowie koalicji Climate TRACE zebrali się wokół celu, który nazywają radykalną przejrzystością.

"Chodzi o to, aby wiedzieć, gdzie są wszystkie gazy cieplarniane, skąd pochodzą emisje, a jednocześnie być bardzo otwartym na to, jak obliczamy te emisje" - powiedział Hughes. "To jest naprawdę duże wyzwanie. Ale jeśli mamy tę radykalną przejrzystość, wtedy można zanurkować i zacząć robić analizy i porównania, aby dowiedzieć się, co działa, a co nie, jeśli chodzi o łagodzenie emisji."

Jednym z celów koalicji na nadchodzący rok jest zrozumienie, jak połączyć różnie pozyskiwane, pokrywające się zestawy danych i inwentaryzacje emisji, aby stworzyć nowe najlepsze szacunki tego, co naprawdę się dzieje.

"Marzenie o radykalnej przejrzystości i wiedzy na temat tego, skąd pochodzą wszystkie emisje w czasie rzeczywistym z każdym nowym zdjęciem satelitarnym, jest jeszcze przed nami" - powiedział Hughes. "Ale teraz czuje się, że jest to w zasięgu ręki".

Źródło: Phys.org: Team uses AI and satellite images to release first-ever global estimates for road transportation greenhouse emissions