인공적인 메탄 배출원 완화는 지구 온난화를 늦추는 가장 비용 효율적인 방법 중 하나입니다. 위성 기반 이미징 분광계로 메탄 배출원을 감지할 수 있지만, 기존의 일치 필터 기반 메탄 검출 방법은 많은 수의 오탐을 생성하여 수동 검증이 필요합니다. 본 논문은 유엔 환경 계획의 국제 메탄 배출 관측소(IMEO)의 메탄 경고 및 대응 시스템(MARS)에서 메탄 배출 감지를 위한 머신 러닝 시스템의 운영 배포를 설명합니다. 세 개의 이미징 분광계 임무로부터 주석 처리된 메탄 플룸의 가장 크고 다양한 글로벌 데이터 세트를 생성하고, 다양한 딥 러닝 모델 구성을 정량적으로 비교했습니다. 운영 배포 요구 사항에 중점을 두고, 작은 타일 데이터 세트에서 전체 입자 평가로 이전 평가 방법론을 확장했습니다. 딥 러닝 모델이 여전히 많은 수의 오탐을 생성한다는 것을 발견했으며, 이를 모델 앙상블을 통해 해결하여 오탐을 74% 이상 줄였습니다. MARS 파이프라인에 배포된 시스템은 장면을 처리하고 분석가에게 플룸을 제안하여 감지 및 분석 프로세스를 가속화합니다. 7개월 동안의 운영 배포 기간 동안 1,351개의 개별 메탄 누출을 확인하고 479건의 이해 관계자 알림을 제공했습니다. 또한 리비아, 아르헨티나, 오만, 아제르바이잔의 사례 연구를 통해 완화 성공을 검증하는 모델의 유용성을 입증했습니다. 이 연구는 새로운 이미징 분광계로부터 예상되는 대량의 데이터를 처리하는 데 필요한 글로벌 AI 지원 메탄 누출 감지 시스템을 향한 중요한 단계입니다.
