İklim değişikliğiyle mücadelede metan emisyonlarının küresel ölçekte izlenmesi hayati önem taşıyor. S5P/TROPOMI uydusu gibi uzay araçları, büyük metan salınımlarını tespit etmede önemli rol oynuyor. Ancak bu sistemlerin karşılaştığı büyük bir sorun var: tüm plum tespitleri gerçek metan emisyonlarını göstermiyor.
Uydu verilerindeki plum benzeri yapıların önemli bir kısmı aslında veri işleme sırasında ortaya çıkan yapay görüntülerden ibaret. Bu sahte sinyaller, yükseklik değişimleri, albedo gradyenleri, yoğun aerosol konsantrasyonları, kıyı çizgileri ve su kütleleri gibi çevresel faktörlerden kaynaklanabiliyor.
Daha önce bu problemi çözmek için uzmanlar tarafından tasarlanan özellikler ve Destek Vektör Makinesi sınıflandırıcısı kullanılıyordu. Bu yaklaşım, algoritmaya aktarılan bilgiyi uzmanların önemli gördüğü parametrelerle sınırlıyor ve uzamsal bilgiyi parçalıyordu.
Yeni araştırma, geleneksel özellik tabanlı modeller ile derin öğrenme yaklaşımlarını karşılaştırarak hangi yöntemin sahte ve gerçek metan plumlarını ayırt etmede daha başarılı olduğunu inceliyor. Bu karşılaştırma, gelecekteki metan izleme sistemlerinin geliştirilmesinde kritik bilgiler sunuyor.