Model ini dirancang untuk mengidentifikasi banyak dari sekitar 3,7 juta sumur minyak dan gas yang digali di AS sejak pertengahan 1800-an. Namun, tujuan utamanya adalah untuk membantu menemukan subset sumur tertentu: sumur yang tidak terdokumentasi (UOW).
Sumur-sumur ini tidak muncul dalam catatan resmi, dan tidak memiliki pemilik yang diketahui, tidak meninggalkan badan hukum yang bertanggung jawab untuk menyegel "anak yatim piatu" ini. Selain itu, lokasi sumur ini, terutama yang dibor lebih dari seabad yang lalu—ketika kepala sumur seringkali berdiameter enam inci—jarang muncul di database resmi yang mengidentifikasi sumur minyak dan gas.
Lebih buruk lagi, sumur bocor ini tidak anomali. Di sekitar 4,8 juta km persegi tanah AS, diperkirakan ada 300.000-800.000 UOW.
Satu-satunya cara untuk mencegah sumur yang berpotensi bocor merusak lingkungan adalah dengan menutupnya — yang biasanya dilakukan dengan beton. Sebelum dapat disegel, kepala sumur harus ditemukan.
Untuk mengidentifikasi UOW secara akurat dalam skala besar, tim dari LBNL melatih model bahasa penglihatan, U-Net, pada peta digital AS yang dibuat antara tahun 1947 dan 1992.
Fitur utama dari apa yang disebut peta "segi empat" ini—yang dikumpulkan dan didigitalkan oleh Survei Geologi AS —adalah keseragaman dan georeferensinya. Simbol dan pewarnaannya untuk hal-hal seperti kepala sumur, rig minyak, dan hutan sebagian besar sama, dan setiap simbol secara akurat sesuai dengan lokasi longitudinal dan latitudinal tertentu.
"Salah satu fitur hebat dari peta ini adalah bahwa mereka sangat konsisten di seluruh permukaan Amerika Serikat," kata Fabio Ciulla, salah satu peneliti Lawrence Berkeley, dan penulis utama makalah yang menguraikan pekerjaan mereka dengan AI dan UOW.
"Kami memilih untuk menggunakan set peta topografi historis khusus ini karena kami dapat menyelidiki UOW pada skala benua, menggunakan pendekatan yang belum pernah dilakukan secara efektif sebelumnya oleh siapa pun."
Dengan menggunakan superkomputer National Energy Research Scientific Computing Center (NERSC) di UC Berkeley, yang didukung oleh lebih dari 6.000 GPU NVIDIA A100 Tensor Core, para peneliti melatih model pencarian kepala sumur mereka pada peta dua kabupaten California—Los Angeles dan Kern—yang pada awal 1900-an merupakan kabupaten penghasil minyak dan gas teratas.
Sebelum penyesuaian model mereka dimulai, para peneliti secara manual membuat anotasi 79 peta digital dan georeferensi dari kabupaten LA dan Kern untuk memastikan peta secara akurat mengidentifikasi setiap simbol kepala sumur.
Dengan peta yang diperbarui itu, tim menyempurnakan model mereka pada semua peta georeferensi dari dua kabupaten California.
Untuk mengidentifikasi UOW, para peneliti mereferensikan silang kepala sumur yang diidentifikasi model mereka pada peta segi empat historis dengan lokasi dalam database yang disimpan negara bagian California dari kepala sumur yang dikenal di kabupaten LA dan Kern.
Ketika model mengidentifikasi kepala sumur baru yang berjarak lebih dari 100 meter dari kepala sumur yang dikenal, para peneliti memperlakukannya sebagai UOW potensial. Di empat kabupaten di California dan Oklahoma, para peneliti menemukan 1.301 UOW potensial.
Dengan menggunakan citra satelit dari Google Earth dan kunjungan langsung ke beberapa situs UOW potensial, tim peneliti bekerja untuk memverifikasi keakuratan proses pencarian kepala sumur mereka.
Mereka menemukan bahwa akurasi model dalam mengidentifikasi UOW bervariasi, berkisar antara 31% hingga 98%.
Di daerah pedesaan, model ini sangat akurat dalam mengidentifikasi UOW. Namun, itu kurang akurat di daerah perkotaan di mana UOW potensial sekarang mungkin diaspal — membuatnya lebih sulit untuk diverifikasi — atau di mana model membuat kesalahan, membingungkan simbol untuk bundaran atau jalan buntu untuk kepala sumur.
Yang penting, model tersebut membuktikan bahwa itu memiliki transferability.
Setelah menjalankan tes referensi silang mereka di kabupaten LA dan Kern, tim menggunakan model yang disesuaikan dengan baik yang sama untuk mencari UOW di kabupaten Osage dan Oklahoma Oklahoma. Mirip dengan kabupaten Kern dan LA, pada akhir abad terakhir kabupaten Osage dan Oklahoma adalah dua kabupaten penghasil minyak dan gas terbesar di negara itu.
Karena tidak pernah "melihat" peta Oklahoma, model tersebut tetap mengidentifikasi UOW potensial pada tingkat akurasi yang sama seperti yang dilakukan untuk kabupaten Kern dan LA.
"Ketika kami mulai memikirkan penelitian kami, kami ingin menemukan algoritma yang akan menskalakan ke banyak wilayah di seluruh AS tanpa harus melatih ulang model untuk banyak lokasi yang berbeda," kata Charuleka Varadharajan, seorang staf ilmuwan di LBNL, dan penulis senior studi UOW.
"Kami melihat bahwa dengan model yang dilatih hanya di peta California, kami masih mencapai presisi yang sama, jika tidak lebih tinggi dalam mengidentifikasi UOW potensial di Oklahoma."
Studi ini merupakan bagian dari program Departemen Energi yang dirancang untuk membantu negara bagian mengidentifikasi UOW.
Ke depannya, Ciulla dan Varadharajan berencana untuk terus menyempurnakan model mereka untuk memperluas ke lokasi lain, dan bekerja dengan negara bagian yang tertarik untuk menggunakan pekerjaan mereka untuk mengidentifikasi UOW.
Cek Berita dan Artikel yang lain di
Google News
