پژوهشگران دانشگاه آکسفورد ابزار هوش مصنوعی را توسعه داده‌اند که با پردازش اطلاعات به‌دست‌آمده از ماهواره‌های فراطیفی، توده‌های گاز متان را که از اصلی‌ترین عوامل گرمایش افسارگسیخته زمین هستند، شناسایی می‌کند.
انتظار می‌رود که سرعت تصاعدی انتشار گاز متان به زودی روند معکوس به خود بگیرد و این به لطف یک ابزار منبع باز یا اپن سورس که یادگیری ماشینی و داده‌های مداری به‌دست‌آمده از ماهواره‌های متعدد را با یکدیگر ادغام می‌کند، انجام می‌شود.
منشأ انتشار گاز متان می‌تواند شامل همه مکان‌هایی باشد که در فقدان اکسیژن کافی، مواد غذایی و گیاهان شروع به تجزیه شدن می‌کنند و این مرداب‌ها، سایت‌های دفن زباله، نیروگاه‌های سوخت فسیلی و البته گاوداری‌ها را هم شامل می‌شود؛ چراکه گاز متان خروجی از معده گاو یکی از بزرگترین منابع تولید گرما در جو کره زمین است.
اگرچه در مقایسه با دیاکسیدکربن که برای قرن‌ها در اتمسفر باقی می‌ماند، متان با ماندگاری ۷ تا ۱۲ سال، طول عمر کمتری دارد، همچنان ۸۰ برابر بیشتر از دیاکسیدکربن در گرمایش کره زمین دخیل است. برای همین است که دست‌کم در کوتاه‌مدت برای گریز از عواقب فاجعه‌بار فروپاشی اقلیمی، باید جلوی انتشار افسارگسیخته گاز متان را گرفت.
متاسفانه در تصویربرداری هوایی، اغلب تشخیص زمان دقیق افزایش غلظت گاز متان دشوار است؛ چراکه برای مثال، حتی ماهواره‌ها هم نمی‌توانند عواملی مانند نقص در عملکرد چاه‌های نفت یا خطوط انتقال گاز را که به تولید توده‌های عظیم گاز متان منجر می‌شود، تشخیص دهند؛ اما تیم پژهشی دانشگاه آکسفورد ابزار هوش مصنوعی را توسعه داده است که می‌تواند داده‌های ماهواره‌های فراطیفی را با دقت بیشتر تجزیه و تحلیل و از آن‌ها برای تشخیص ابر‌های متان استفاده کند.
به گفته ی آناپرس ، سیستم‌های تصویربرداری فراطیفی طیف الکترومغناطیسی را به تعداد زیادی باند (نوار) تقسیم می‌کنند. هرچه باند‌های طیفی باریکتر باشند، یعنی وضوح طیفی سنسور بالاتر می‌رود و اطلاعات بیشتری گردآوری می‌شود و برای همین است که باید از هوش مصنوعی برای تحلیل آن‌ها استفاده کرد.
دقت مدل پیشنهادی آکسفورد برای تشخیص ستون‌های گاز متان ۲۱.۵ درصد بیشتر از ابزار‌های فعلی است و با پیشرفت فناوری این رقم هم بزرگتر می‌شود.
با این اوصاف، از آنجا که قرار است ظرف چند سال آینده ماهواره‌های فراطیفی بیشتری به مدار زمین ارسال شود، به زودی شاهد ظهور یک سیستم خودکار برای تشخیص گاز متان خواهیم بود.
انتظار می‌رود که سرعت تصاعدی انتشار گاز متان به زودی روند معکوس به خود بگیرد و این به لطف یک ابزار منبع باز یا اپن سورس که یادگیری ماشینی و داده‌های مداری به‌دست‌آمده از ماهواره‌های متعدد را با یکدیگر ادغام می‌کند، انجام می‌شود.
منشأ انتشار گاز متان می‌تواند شامل همه مکان‌هایی باشد که در فقدان اکسیژن کافی، مواد غذایی و گیاهان شروع به تجزیه شدن می‌کنند و این مرداب‌ها، سایت‌های دفن زباله، نیروگاه‌های سوخت فسیلی و البته گاوداری‌ها را هم شامل می‌شود؛ چراکه گاز متان خروجی از معده گاو یکی از بزرگترین منابع تولید گرما در جو کره زمین است.
اگرچه در مقایسه با دیاکسیدکربن که برای قرن‌ها در اتمسفر باقی می‌ماند، متان با ماندگاری ۷ تا ۱۲ سال، طول عمر کمتری دارد، همچنان ۸۰ برابر بیشتر از دیاکسیدکربن در گرمایش کره زمین دخیل است. برای همین است که دست‌کم در کوتاه‌مدت برای گریز از عواقب فاجعه‌بار فروپاشی اقلیمی، باید جلوی انتشار افسارگسیخته گاز متان را گرفت.
متاسفانه در تصویربرداری هوایی، اغلب تشخیص زمان دقیق افزایش غلظت گاز متان دشوار است؛ چراکه برای مثال، حتی ماهواره‌ها هم نمی‌توانند عواملی مانند نقص در عملکرد چاه‌های نفت یا خطوط انتقال گاز را که به تولید توده‌های عظیم گاز متان منجر می‌شود، تشخیص دهند؛ اما تیم پژهشی دانشگاه آکسفورد ابزار هوش مصنوعی را توسعه داده است که می‌تواند داده‌های ماهواره‌های فراطیفی را با دقت بیشتر تجزیه و تحلیل و از آن‌ها برای تشخیص ابر‌های متان استفاده کند.
به گفته ی آناپرس ، سیستم‌های تصویربرداری فراطیفی طیف الکترومغناطیسی را به تعداد زیادی باند (نوار) تقسیم می‌کنند. هرچه باند‌های طیفی باریکتر باشند، یعنی وضوح طیفی سنسور بالاتر می‌رود و اطلاعات بیشتری گردآوری می‌شود و برای همین است که باید از هوش مصنوعی برای تحلیل آن‌ها استفاده کرد.
دقت مدل پیشنهادی آکسفورد برای تشخیص ستون‌های گاز متان ۲۱.۵ درصد بیشتر از ابزار‌های فعلی است و با پیشرفت فناوری این رقم هم بزرگتر می‌شود.
با این اوصاف، از آنجا که قرار است ظرف چند سال آینده ماهواره‌های فراطیفی بیشتری به مدار زمین ارسال شود، به زودی شاهد ظهور یک سیستم خودکار برای تشخیص گاز متان خواهیم بود.
