Se propone un método de detección automática de columnas de metano en imágenes del satélite MethaneSAT basado en Mask R-CNN con ResNet-50. El modelo supera a U-Net en la medida F1 por píxel en 10,49 para MethaneAIR y 5,48 para MethaneSAT. Para superar la escasez de datos satelitales etiquetados, se realizó un ajuste fino con datos del avión MethaneAIR y columnas sintéticas. La precisión final a nivel de instancia fue de 0,60 con una exhaustividad de 0,98. El posprocesamiento con base física ofrece dos modos: alta sensibilidad (precisión 0,71, exhaustividad 0,94) para cribado y alta precisión (precisión 0,92, exhaustividad 0,70) para atribución de fuentes. El análisis de falsos positivos mostró que muchos corresponden a emisiones reales omitidas por el etiquetado conservador, por lo que las métricas declaradas son una estimación inferior del rendimiento.
El satélite MethaneSAT busca fugas de metano, un gas invisible pero que calienta mucho el planeta. Su «olfato» es un espectrómetro, un instrumento que detecta el más mínimo cambio en el color de la luz al atravesar la atmósfera. Esa es la huella que deja el metano.
Pero no basta con captar el olor: hay que distinguirlo entre miles. Antes las imágenes las analizaban personas; ahora el programa está entrenado como un sabueso: primero atrapa todo lo sospechoso, como un perro que sigue cualquier rastro, y luego un «guía» —un segundo algoritmo— confirma la presa. Lo más sorprendente: cuando el sabueso «ladra» a un lugar vacío, a menudo resulta ser una fuga real que los expertos pasaron por alto por exceso de precaución.
Esta cacería permite reparar rápidamente tuberías y vertederos, reduciendo las emisiones de metano, que en los primeros 20 años calienta 80 veces más que el dióxido de carbono.
🎯 El metano retiene 80 veces más calor que el dióxido de carbono en 20 años.
🎬 Algún día, estos sabuesos orbitales olfatearán las atmósferas de exoplanetas en busca de vida.