Краткое содержание

arXiv:2509.00626v5 Тип объявления: замена-перекрёстная публикация Аннотация: Метан является мощным парниковым газом и основным фактором изменения климата, что делает своевременное обнаружение критически важным для эффективной борьбы с ним. Машинное обучение (ML), развернутое непосредственно на спутниках, позволяет быстро выявлять метановые выбросы, снижая затраты на передачу данных и способствуя ускорению реагирования. Традиционные методы обнаружения метана часто используют техники обработки изображений, такие как ортокоррекция для исправления геометрических искажений и согласованные фильтры для усиления сигналов выбросов. Мы предлагаем новый подход, который обходится без предварительных этапов обработки путём использования необработанных («неортокорректированных») данных (UnorthoDOS). Обнаружено, что модели машинного обучения, обученные на таком наборе данных, демонстрируют сопоставимую производительность с моделями, обученными на ортокорректированных данных. Более того, мы также тренировали модели на ортокорректированном наборе данных, показав, что они превосходят базовый уровень методов согласованных фильтров (mag1c). Мы публикуем контрольные точки моделей и два набора данных, готовых для машинного обучения, включающих ортокорректированные и необработанные данные...