Estos pozos no aparecen en los registros oficiales y no tienen un propietario conocido, por lo que no existe una entidad legal responsable de sellar estos “huérfanos”.
Con alrededor de 800.000 pozos de petróleo y gas olvidados repartidos por todo Estados Unidos, investigadores del Laboratorio Nacional Lawrence Berkeley (LBNL) han desarrollado un modelo de IA capaz de localizar con precisión, a escala, pozos que pueden estar filtrando sustancias químicas tóxicas y gases de efecto invernadero, como el metano, al medio ambiente.
El modelo está diseñado para identificar muchos de los aproximadamente 3,7 millones de pozos de petróleo y gas excavados en Estados Unidos desde mediados del siglo XIX.
Pero su propósito principal es ayudar a encontrar un subconjunto particular de pozos: pozos huérfanos no documentados (UOW).
Estos pozos no aparecen en los registros oficiales y no tienen un propietario conocido, por lo que no existe una entidad legal responsable de sellar estos “huérfanos”. Además, la ubicación de estos pozos, especialmente los perforados hace más de un siglo (cuando las bocas de pozo solían tener un diámetro de quince centímetros), rara vez aparece en las bases de datos oficiales que identifican pozos de petróleo y gas.
Para empeorar las cosas, estos pozos con fugas no son anómalos.
Se estima que, en los aproximadamente tres millones de millas cuadradas del territorio estadounidense, hay entre 300.000 y 800.000 UOW.
La única forma de evitar que los pozos con posibles fugas dañen el medio ambiente es sellándolos, lo que generalmente se hace con hormigón.
Pero antes de poder sellar un pozo, hay que encontrarlo.
Para identificar con precisión las UOW a escala, el equipo del LBNL entrenó un modelo de lenguaje de visión, U-Net, en mapas digitalizados de los EE. UU. creados entre 1947 y 1992.
Una característica clave de estos mapas denominados “cuadrángulos” (que el Servicio Geológico de Estados Unidos ha agregado y digitalizado) es su uniformidad y georreferenciación. Los símbolos y colores que utilizan para referirse a elementos como pozos, plataformas petrolíferas y bosques son prácticamente los mismos, y cada símbolo corresponde con precisión a ubicaciones longitudinales y latitudinales específicas.
“Una característica excelente de estos mapas es que son extremadamente consistentes en toda la superficie de los Estados Unidos”, dijo Fabio Ciulla, uno de los investigadores de Lawrence Berkeley y autor principal de un artículo que describe su trabajo con IA y UOW. “Elegimos utilizar este conjunto particular de mapas topográficos históricos porque podíamos investigar UOW a escala continental, utilizando un enfoque que nadie había utilizado con eficacia antes”.
Utilizando la supercomputadora del Centro Nacional de Computación Científica de Investigación Energética ( NERSC ) de la Universidad de California en Berkeley, que funciona con más de 6000 GPU NVIDIA A100 Tensor Core , los investigadores entrenaron su modelo de búsqueda de bocas de pozo en mapas de dos condados de California (Los Ángeles y Kern) que a principios del siglo XX eran los principales condados productores de petróleo y gas.
Antes de comenzar a ajustar su modelo, los investigadores anotaron manualmente 79 mapas digitalizados y georreferenciados de los condados de Los Ángeles y Kern para garantizar que los mapas identificaran con precisión cada símbolo de boca de pozo.
Con esos mapas actualizados, el equipo afinó su modelo en todos los mapas georreferenciados de los dos condados de California.
Para identificar las UOW, los investigadores cruzaron las bocas de pozo identificadas por su modelo en los mapas cuadrangulares históricos con las ubicaciones en una base de datos que el estado de California mantiene de bocas de pozo conocidas en los condados de Los Ángeles y Kern.
Cuando el modelo identificó una nueva boca de pozo que se encontraba a más de 100 metros de una boca de pozo conocida , los investigadores la trataron como una posible boca de pozo no contaminada. En los cuatro condados de California y Oklahoma, los investigadores encontraron 1.301 posibles bocas de pozo no contaminadas.
Utilizando imágenes satelitales de Google Earth y visitas en persona a algunos de los sitios potenciales de UOW, el equipo de investigación trabajó para verificar la precisión de su proceso de búsqueda de bocas de pozo.
Descubrieron que la precisión del modelo para identificar UOW variaba entre el 31% y el 98%.
En las zonas más rurales, el modelo fue muy preciso a la hora de identificar las UOW. Sin embargo, fue menos preciso en las zonas urbanas, donde las UOW potenciales podrían estar pavimentadas (lo que dificulta su verificación) o donde el modelo cometió un error al confundir los símbolos con rotondas o callejones sin salida con bocas de pozo.
Es importante destacar que el modelo demostró que era transferible.
Después de realizar sus pruebas de referencia cruzada en los condados de Los Ángeles y Kern, el equipo utilizó el mismo modelo perfeccionado para buscar UOW en los condados de Osage y Oklahoma de Oklahoma. Al igual que los condados de Kern y Los Ángeles, a fines del siglo pasado los condados de Osage y Oklahoma eran dos de los condados con mayor producción de petróleo y gas del país.
Aunque nunca “había visto” los mapas de Oklahoma, el modelo identificó UOW potenciales con un nivel de precisión similar al de los condados de Kern y Los Ángeles.
“Cuando empezamos a pensar en nuestro estudio, queríamos encontrar un algoritmo que pudiera escalarse a muchas regiones de los EE. UU. sin tener que volver a entrenar el modelo para muchas ubicaciones diferentes”, dijo Charuleka Varadharajan, científica del personal de LBNL y autora principal del estudio de UOW. “ Vimos que con el modelo entrenado solo en los mapas de California, aún alcanzamos la misma precisión, si no mayor, en la identificación de posibles UOW en Oklahoma”.
El estudio es parte de un programa del Departamento de Energía diseñado para ayudar a los estados a identificar UOW.
En el futuro, Ciulla y Varadharajan planean seguir perfeccionando su modelo para expandirlo a otras ubicaciones y trabajar con estados interesados en utilizar su trabajo para identificar UOW. NVIDIA Blog. E. W. Traducido al español
Contacto