Gare aux gros pollueurs : les centrales électriques seront bientôt traquées en temps réel pour leurs émissions de CO2.
WattTime, un organisme sans but lucratif basé à San Francisco, en Californie, connu pour avoir mis au point un vaste logiciel de réduction d’émissions de CO2, va lancer un projet qui s’appuiera sur le réseau mondial de satellites d’observation – plus de 800 actuellement – pour observer les émissions polluantes des centrales électriques à travers le monde.
L’objectif du projet est de responsabiliser les usines polluantes par rapport aux normes environnementales, afin qu’elles mettent en œuvre des technologies pour réduire leurs émissions.
En 2018, une étude indépendante avait révélé l’existence cachée de plusieurs centrales au charbon en Chine. Plusieurs pays tentent en effet d’escamoter le véritable niveau d’émissions polluantes de leurs centrales électriques. Car le flou qu’ils font régner sur ces statistiques rend difficile la mise en place de normes environnementales adaptées à la situation réelle, et compliquent l’adoption d’un éventuel système de sanctions.
Le projet révélera les émissions de gaz à effet de serre les plus importantes, ainsi que les rejets de nitrates et de mercure dans les eaux.
Il sera financé à hauteur de 1,7 millions de dollars par Google.org, la filiale philanthropique de Google, et recevra l’aide de Carbon Tracker, une ONG basée à Londres qui étudie depuis 2011 l’impact du changement climatique sur les marchés financiers, et propose des solutions pour investir dans les technologies propres.
Les informations obtenues par le projet seront gratuites, accessibles à tous et en temps réel.
Les données seront récoltées à partir de plusieurs sources. Les émissions de fumée à la sortie des cheminées, mais aussi le rejet des eaux de refroidissement seront analysés par détection infra-rouge, et croisés par analyse spectrale afin de déterminer la quantité de gaz à effet de serre qu’une centrale émet. WattTime s’appuiera sur le World Resources Institute, qui possède la base de données la plus complète sur les 28 500 centrales électriques opérationnelles dans le monde.
Commentaires
D'autre part, les échappements naturels ou humains de méthane sont difficiles à détecter (seulement en infrarouge) et à différencier d'autres signatures thermiques. L'I.A. va être mise à contribution en deep learning à cet effet :
(www.EurekAlert.org)
De plus, le méthane est invisible, ce qui rend la détection par des moyens classiques difficile. Ainsi, lorsque le chercheur de l'UC Santa Barbara, Satish Kumar et ses collègues ont noté l'utilisation croissante de la détection infrarouge comme moyen de détection des gaz à effet de serre, comme cela a été souligné dans une récente histoire du New York Times, ils étaient satisfaits.
La pièce interactive utilisait des caméras infrarouges pour suivre les émissions des installations pétrolières et gazières du Permian Basin, un champ pétrolier situé au Texas et au Nouveau-Mexique.
C'est un sujet qui lui tient à cœur - en tant que membre du professeur de génie électrique et informatique B.S. Laboratoire de recherche sur la vision de Manjunath,
Kumar travaille sur le traitement et l'analyse de signaux multimédias.
"En tant qu'ingénieur informatique intéressé par la gestion de l'environnement, je suis incroyablement heureux que des fuites de méthane provenant de sources inconnues soient mises au jour", a-t-il déclaré.
Maintenant, pour garder la conversation vivante,
Kumar et ses collègues ont proposé un système qui améliore la détection de chaleur en utilisant l'imagerie hyperspectrale et l'apprentissage automatique pour détecter la longueur d'onde spécifique des émissions de méthane. Leurs travaux ont été présentés à la conférence d'hiver 2020 de l'IEEE sur les applications de la vision par ordinateur.
"Les caméras infrarouges ne détectent que les signatures de température, donc s'il y a une combinaison de gaz avec des signatures à haute température, une caméra infrarouge ne pourra pas les différencier", a déclaré Kumar. Une image infrarouge peut indiquer une suggestion de méthane, mais sa concentration et son emplacement ne peuvent être déterminés uniquement par la signature thermique.
De plus, plus un gaz chaud s'échappe de sa source, plus il refroidit, le rendant éventuellement invisible aux infrarouges.
Pour surmonter ces lacunes, Kumar et son équipe ont utilisé des données de caméras hyperspectrales à des longueurs d'onde de 400 nanomètres à 2 510 nm - une plage qui englobe les longueurs d'onde spectrales du méthane et peut-être celles d'autres gaz
- dans les zones autour de la région des Four Corners. Située dans le sud-ouest américain, la région est également le site de ce qui pourrait être la plus grande source de rejet de méthane aux États-Unis, en particulier le bassin de San Juan, partagé par le Nouveau-Mexique et le Colorado.
L'imagerie hyperspectrale implique la collecte d'une série d'images,
dans lequel chaque pixel contient un spectre et chaque image représente une bande spectrale (une gamme de longueurs d'onde). Sa haute sensibilité lui permet de capturer des «empreintes digitales» spectrales qui correspondent à certains matériaux, comme les longueurs d'onde de 2200 à 2400 nm du méthane, qui ont permis aux chercheurs de localiser le méthane, même dans un panache d'autres gaz.
Mais,
le méthane n'est pas le seul matériau qui existe à cette longueur d'onde.
"Il y a beaucoup de confusions dans le méthane", a expliqué Kumar. «Les hydrocarbures des routes et les peintures des bâtiments, ils ont la même signature que le méthane.
"La quantité de données et le potentiel de confusion entre le méthane et d'autres hydrocarbures ont conduit les chercheurs à se tourner vers l'apprentissage automatique.
"Nous avons utilisé un modèle d'apprentissage en profondeur pour entraîner l'ordinateur à apprendre la forme que prend une fuite de méthane lorsqu'elle se libère et se propage", a-t-il expliqué.
Cela a aidé les chercheurs non seulement à localiser l'emplacement à partir duquel le méthane était émis, que ce soit à partir d'une usine à gaz ou d'une décharge, mais également à différencier automatiquement le méthane et les autres hydrocarbures dans la même image.
En utilisant cette méthode, les chercheurs rapportent un taux de réussite de 87% dans la détection précise des fuites de méthane,
dont plus continuent d'être découverts à partir d'une variété de sources artificielles. Il s'agit notamment des émissions fugitives provenant du torchage incomplet, des fuites auparavant non détectées provenant d'opérations mal surveillées et des fuites cumulatives de méthane provenant des maisons, des entreprises et des infrastructures urbaines.
Et le méthane en trop dégagé de partout, déjà des coupes d'herbe des bords de routes et talus, laissés pourrir sur place en masse ?
https://sciencepost.fr/2019/06/levolution-intrigante-du-methane-au-cours-de-la-derniere-vingtaine-dannees/
D'après les américains, bien que le méthane soit éliminé en 100 ans, il serait de 28 à 35 fois plus à effet de serre que le CO2 !§! UNE PAILLE !!!!!!!!!
https://sciencepost.fr/2019/06/lindustrie-des-engrais-rejette-100-fois-plus-de-methane-que-prevu/
Le nombre de centrales fonctionnant au charbon à travers le monde est de 6000 dont la moitié en Chine et le quart en Inde. On parle de centrale dès qu'il y a au moins deux hauts fourneaux réunis. Il y a actuellement sur terre environ 12 000 hauts fourneaux qui tournent quotidiennement 24/24. Cela représente environ 37% des émissions de CO2 annuelles. C'est le principale foyer de l'incendie climatique, il mérite un traitement particulier de la part des gouvernements dans la lutte contre le réchauffement climatique. Ce n'est pas encore le cas malheureusement.