Cientistas conseguiram desenvolver um novo algoritmo que identifica, de forma automática, nuvens de metano a partir de dados de satélite, revela um estudo publicado esta semana na revista científica Atmospheric Chemistry and Physics. Localizar grandes fontes de emissões é crucial na luta climática, uma vez que o metano é um gás com efeito de estufa e também contribui para o aquecimento global.

“Antes, identificávamos manualmente os maiores emissores, mas continua difícil investigar os milhões de píxeis. Uma nuvem de metano geralmente cobre apenas alguns píxeis [da imagem de satélite]. Agora obtemos todos os dias, e, automaticamente, uma lista de detecções do modelo de machine learning”, explica Berend Schuit, primeiro autor do estudo e cientista do Instituto Holandês de Investigação Espacial (SRON).

Machine learning, ou aprendizagem automática, é um processo no qual computadores “aprendem” a resolver problemas específicos depois de serem alimentados com um formidável volume de dados.

O novo algoritmo criado pelo SRON é capaz de descobrir automaticamente nuvens de metano libertadas por superemissores – uma grande exploração de carvão, por exemplo – em diferentes partes do mundo. Para completar esta tarefa, recorre ao machine learning para analisar os dados obtidos diariamente pelo satélite europeu Sentinela 5P. O algoritmo também é capaz de calcular sozinho as emissões associadas com base em dados relativos às concentrações do gás e às velocidades do vento.

Mapas de nuvens de metano

“Verificamos estes resultados manualmente todas as semanas para verificar a fiabilidade das detecções. O que encontramos, dezenas de plumas de metano todas as semanas, publicamos online [nos Mapas de Nuvens de Metano]. Comunicamos fugas persistentes a outros satélites com maior resolução para que possam identificar com precisão a fonte”, acrescenta Berend Schuit, citado num comunicado da Agência Espacial Europeia.

O metano é o segundo maior “culpado” pelo efeito de estufa, ficando atrás apenas do dióxido de carbono (CO2). Uma tonelada de metano pode reter 30 vezes mais calor do que a mesma quantidade de CO2 ao longo de cem anos. Em contrapartida, as moléculas de metano permanecem menos tempo na atmosfera do que as de CO2 – cerca de uma década.

A identificação de superemissores de metano constitui, para os cientistas, uma ferramenta poderosa no combate às alterações climáticas. Instalações industriais, plataformas de exploração de petróleo, gás ou carvão, bem como aterros sanitários podem libertar quantidades significativas de metano se tiverem falhas técnicas ou estruturais. Com a ajuda de satélites, estas fugas de gás podem ser vistas do espaço.

“Se for visível do espaço, é algo sério. Pela primeira vez, temos uma boa imagem global destes superemissores. No nosso artigo, descrevemos as 2974 nuvens que encontramos em 2021: 45% têm origem em instalações de petróleo e gás, mas também vemos nuvens provenientes de áreas urbanas (35%) e minas de carvão (20%)”, refere o co-autor Bram Maasakkers, citado no mesmo documento.

Foto

Reparar as falhas técnicas ou estruturais que estão na origem destas fugas monumentais de metano não é uma operação complexa, e nem mesmo tão cara, garantem os cientistas. Daí que a informação obtida agora com o novo algoritmo seja vista como uma ferramenta importante na mitigação de gases com efeito de estufa.

“Esta informação é utilizada pelo Observatório Internacional de Emissões de Metano das Nações Unidas para encontrar uma solução em conjunto com as empresas ou autoridades responsáveis [pelas fugas de gás metano]”, esclarece Berend Schuit.

Cruzar dados de diferentes satélites

Para produzir diariamente um mapa global das concentrações de metano, o satélite europeu Sentinela 5P conta com um instrumento especial chamado Tropomi. O metano é medido a partir do espaço através da observação da atmosfera da Terra, mais precisamente de bandas infravermelhas de ondas curtas, que fornecem indicadores precisos da presença daquele gás.

“As dezenas de nuvens de metano que o Tropomi detecta todas as semanas representam realmente uma oportunidade de ouro na luta contra o aquecimento global”, acredita Bram Maasakkers.

“Detectamos emissões de origem humana com um impacto climático significativamente maior do que as emissões totais de gases com efeito de estufa dos Países Baixos. Em muitos casos, essas fugas são fáceis de resolver”, acrescenta o cientista.

O Sentinela 5P é capaz de fazer medições de metano de alta precisão, conseguindo detectar fugas de metano em qualquer ponto do planeta. No entanto, as imagens que fornece têm baixa resolução espacial (7 x 5,5 quilómetros). Por outras palavras, os cientistas sabem que há ali uma libertação de metano, mas não conseguem só com estes dados identificar a origem do problema. Sabem que há uma agulha no palheiro, mas para localizá-la têm de cruzar informação com dados de outros satélites.

Os cientistas combinam agora dados de vários satélites para monitorizar as emissões de metano do espaço. Os dados facultados pelo Sentinela 2, por exemplo, adicionam clareza e precisão à informação recolhida pelo Sentinela 5P. Se, por um lado, o Sentinela 2 não está equipado para observar concentrações de metano, nem tem cobertura global diária, por outro, tem a capacidade de identificar onde estão superemissores com uma resolução “notável” de 20 metros.

Os satélites da missão Sentinela 3, por sua vez, estão preparados para observar bandas infravermelhas de ondas curtas sensíveis às concentrações de metano, uma vez que possuem a bordo radiómetros multibanda. Oferecem cobertura global diária e resolução espacial terrestre de 500 metros.

“Quem imaginaria que poderíamos usar três missões Sentinela diferentes, numa abordagem por camadas, para primeiro detectar superemissores com o Tropomi no Sentinela 5P, depois ampliando [a imagem] com o Sentinela 3 e o Sentinela 2 para identificar a fonte exacta responsável [pela fuga de metano]? Este é o tipo de informação de que precisamos para agir rapidamente”, afirma Sudhanshu Pandey, primeiro autor de um outro estudo sobre este tema, também publicado recentemente na revista Remote Sensing of Environment.