美国的本土大陆遍布我们对石油的贪婪需求的证据。自 19 世纪 50 年代以来，全国已钻探了 估计 350 万口油气井。其中许多油井在运营公司破产或停止运营后被废弃。这些被遗忘的化石燃料遗迹，官方称为“未记录的废弃井”（UOW），常常被遗弃，且未采取有意义的措施安全封堵。未封堵的废弃井可能会泄漏危险的甲烷、石油和其他化学物质多年，从而污染空气并可能污染附近的水源。土地管理局 怀疑美国各地仍有 130,000 口未封堵的旧井。行业组织如州际石油和天然气公约委员会认为 这个数字可能接近 740,000 口。
寻找和封堵这些油井是一项艰巨且耗时的工作。如果您要手动识别油井符号，您可能会花费无数小时来审阅成千上万张旧地图，其中一些可以追溯到 19 世纪中叶，寻找官方记录中当前未包含的油井的参考信息。人工智能可能会大大加快这一过程。
研究人员改编了一个最先进的视觉神经网络模型，该模型在 USGS 四边形地图系列中的不到 100 张地图上进行了训练，跨越 45 年。对于团队确认的新发现的废弃井，该算法能够以 10 米的精度准确预测其位置。研究人员已经确认了模型在加利福尼亚州和俄克拉荷马州 识别出的 1,301 口潜在油井中的 44 口。一旦规模化，研究人员相信这种新的人工智能驱动的方法将有助于取得有意义的进展，最终彻底关闭这些长期停用的油井。
AI 模型在一个大约一百张地形图上进行了训练
研究人员在一篇本周发表于《Environmental Science & Technology》杂志的文章中 详细介绍了他们训练 AI 的过程。该团队专门训练了他们的 AI 模型来识别地形图上常用的、形状像空心黑圆圈的符号，该符号过去常用来表示油气井。一位人工数据标注员花费了 40 小时手动识别这些符号的示例，这些示例随后成为 AI 模型训练集。在训练 AI 时，研究人员必须考虑其他符号或标记，它们具有相似的圆形图案，可能会被误识别，导致假阳性。即使是像数字“9”或“0”这样的圆形符号也可能成为假阳性。有些地图状况相对完好，但有些地图随着时间的推移磨损和染色。伯克利实验室科学家兼论文的资深作者 Charuleka Varadharajan 将这个过程比作“大海捞针”。
一旦 AI 完全训练好以检测油井符号，研究人员就将其应用于加利福尼亚州和俄克拉荷马州四个石油资源丰富的县的数千张地图。该模型识别出了 1,301 口可能未记录的废弃井。然后，研究人员试图通过分析 Google Earth 的航空和卫星图像来验证这些发现。他们悬停在 AI 确定的区域上，寻找表明存在油井的特征，如采油树、抽油杆和储罐。该团队使用这种视觉方法验证了 29 口先前未记录的油井。
但并非所有废弃的油井都一定能通过航空影像看到。许多油井位于地下。在这种情况下，研究人员需要进行实地测试，他们使用背包式磁力仪来检测表明地下埋有垂直金属管道的磁异常。研究人员通过这种方法又验证了 15 口油井。
Varadharajan 补充说：“我们特意选择了更多的假阴性而非假阳性，因为我们希望在通过我们的方法识别的单个油井位置上保持谨慎。我们认为我们发现的潜在油井数量被低估了，通过对我们的方法进行进一步完善，我们可能会发现更多油井。”
AI 预测可以与探测无人机协同工作
研究人员希望将 AI 的预测能力与传感器装备的无人机等其他现代技术相结合，以快速提高科学家检测并最终封堵潜在泄漏油井的速度。未来，配备磁力仪的无人机可以快速部署到航空探测不可行的区域。其他配备甲烷传感器的无人机可以测量空气中的泄漏。同时，配备高光谱相机的无人机可以扫描区域，寻找通常肉眼无法检测到的甲烷羽流相关的波长。
劳伦斯伯克利国家实验室博士后研究员 Fabio Ciulla 在一份声明中表示：“人工智能可以通过以前所未有的规模提取历史数据中的信息来增强我们对过去的理解。我们越是展望未来，就越能利用过去。”
更正 2024 年 12 月 6 日晚上 7:28：根据伯克利实验室的澄清，模型训练的地图数量、算法预测测量值以及模型使用的州已得到更新。
