GHGSat以人工智慧(AI)分類衛星甲烷觀測資料,再由分析團隊確認是否有排放。一項獨立測試中,AI分析法占全部誤報的79%;這個比例不代表GHGSat服務的誤報率。
GHGSat執行長史蒂芬・傑曼(Stéphane Germain)16日在《財富》(Fortune)撰文表示:「應從數據出發。」他主張,氣候科技領域不應排斥AI。
傑曼說,AI能把需要專業知識解讀的衛星觀測資料,轉化為政策制定者與設施營運者可運用的資訊。這是這家甲烷排放監測公司的執行長所持觀點。
GHGSat表示,公司每年觀測數百萬個設施。AI會先篩出可能有甲烷排放的資料並安排審查順序,再由分析團隊確認是否有排放,並將特定設施的排放資訊提供給客戶。
公司在DATA.SAT產品說明中表示,產品運用AI與機器學習偵測甲烷羽流與雲層,並分類觀測資料。公開規格包括每小時100公斤的最低偵測標準、約25公尺的地面解析度,以及觀測後24小時內提供資料。
在公司列出的每小時100公斤標準下,偵測機率為50%。這是產品規格,不代表各種天候條件下都能維持相同性能。
《自然》(Nature)刊載的研究比較了一年單盲測試中的481筆甲烷排放觀測,以及265筆未排放的對照觀測。共有9個國家的15個分析團隊參與。
研究中的誤報,是指實際沒有排放,卻被判定有排放。79%指AI分析法占多種分析方法所產生全部誤報的比例,並非GHGSat單一服務的誤報率。
同一測試中,專用甲烷監測儀器在晴天偵測到92%至100%的排放羽流;多雲時,整體衛星系統的表現則下降。史丹佛大學(Stanford University)的研究說明也介紹了這些結果。
衛星監測相關政策也在變動。美國環保署(EPA)先前預告,將調整低產量油井標準與大型甲烷排放監測計畫的相關規定。
另一項研究則將AI用於衛星資料分析。根據《美國國家科學院院刊》(PNAS)論文,MAPL-EMIT將深度學習用於NASA的EMIT觀測資料,找出的潛在甲烷羽流約為人工標註數量的1.5倍。
研究團隊表示,缺乏足以完整確認實際排放情況的基準資料,因此難以精確計算誤報規模。潛在偵測候選增加,不代表已確認的排放也增加。
國際能源總署(IEA)公布,2025年資料中心用電需求較前一年增加17%,AI專用資料中心的增幅更高;同期全球電力需求增加3%。本刊先前也報導AI基礎設施擴張對大型科技公司氣候承諾造成的壓力。
日本國立環境研究所(NIES)公布的16日日本館議程,包含Climate TRACE介紹運用衛星與AI追蹤排放,以及傑曼分享衛星資料應用的場次。聯合國氣候變化綱要公約(UNFCCC)表示,第31屆聯合國氣候變化大會(COP31)於11月9日至20日在土耳其安塔利亞舉行。
Comment 0