分散在美国各地的是近170年商业钻探的残余:成千上万被遗忘的石油和天然气井。这些无文件记录的孤井(uow)没有列入正式记录，也没有已知的(或财务上有偿付能力的)作业者。他们经常眼不见心不烦——这是一个危险的组合。如果油井堵塞不当，它们可能会将石油和化学物质泄漏到附近的水源中，或者将苯和硫化氢等有毒物质排放到空气中。它们还可以通过排放温室气体甲烷来促进气候变化，在一百年的时间尺度上，甲烷在大气中吸收热量的能力大约是二氧化碳的28倍（在更短的时间内，全球变暖的潜力甚至更高）。
 
为了找到uow并测量该领域的甲烷排放，研究人员正在使用现代工具，包括无人机、激光成像和传感器套件。但是毗连的美国占地超过300万平方英里。为了更好地预测未记录的井可能在哪里，研究人员首先将新旧两者结合起来:现代人工智能(AI)和历史地形图，如图1所示。

美国能源部劳伦斯伯克利国家实验室博士后法比奥·丘拉（FabioCiulla）说：“虽然人工智能是一项当代快速发展的技术，但它不应该只与现代数据源联系在一起。”法比奥·丘拉在《环境科学与技术》杂志上发表了一篇关于使用人工智能寻找uow的案例研究。“人工智能可以通过从历史数据中提取信息来增强我们对过去的理解，这在几年前是无法实现的。我们越走向未来，你就越能利用过去。”自2011年以来，美国地质调查局已经上传了19万张历史USGS地形图制作于1884年至2006年间。至关重要的是，这些地图都有地理标记，这意味着每个像素对应的坐标都很容易被引用。丘拉将四边形地图整合在一起，这些矩形地图覆盖了一定数量的纬度和经度，并以1:1的比例绘制。代表2000英尺。在1947年到1992年间，这些地图也对石油和天然气井使用了一致的符号:一个空心的黑色圆圈，如图2所示。
 
“对一个人来说，看着这个圆圈并认出它是极其容易的，”丘拉说。“直到最近，这是从这些地图中提取信息的唯一可用方法。但是如果我们想把它应用到成千上万的地图上，这种策略就不能很好地扩展。这就是人工智能发挥作用的地方。”为了让这种方法发挥作用，伯克利实验室的研究团队需要教会人工智能如何在所有其他视觉信息中识别正确的符号。它还需要处理不同地形和颜色的地图，以及不同条件下的地图(旧的、新的、染色的、原始的)。“这个问题相当于大海捞针，因为我们试图在许多记录在案的井中找到一些未知的井。”伯克利实验室的科学家兼该研究的高级作者CharulekaVaradharajan说。研究人员使用一种数字工具在加州的近100张地图上手动标记油井，并为人工智能创建了一个训练集。一旦学会找到空心圆并忽略假阳性(如死胡同或圆形图案的符号，如数字9或字母“o”)，该算法可以应用于任何具有相同符号的美国地质调查局地图。
 
因为地图是地理参考的，算法可以得到地图上标记的油井的坐标，并将它们与记录的油井坐标进行比较。他们还建立了一个新颖的工具，让人类快速检查算法发现的内容，双重检查人工智能是否正确解释了地图上的符号。研究人员使用人工智能算法搜索了四个有大量早期石油生产的感兴趣的县——加利福尼亚州的洛杉矶和克恩县，以及俄克拉荷马州的奥塞奇和俄克拉荷马县——并发现了1301口潜在的未登记孤井。到目前为止，研究人员已经使用卫星图像验证了29个uws，另外15个来自实地调查；为了确认其他潜在的井，还需要对地面进行进一步的调查。Varadharajan说：“通过我们的方法，我们对被认为是潜在的无证孤儿井持保守态度。”“我们故意选择假阴性多于假阳性，因为我们想要小心通过我们的方法确定的单个井位。我们认为我们发现的潜在井的数量被低估了，通过改进我们的方法，我们可能会发现更多的井。”
 
从地图到田野
验证未记录油井的第一步是远程进行的。研究人员查阅卫星图像和历史航空照片，寻找石油井架和泵千斤顶(或它们的影子)、起重设备、油垫、储油罐或扰动地面等特征。在许多情况下，井被覆盖在地表或地表以下，在参考图像中没有留下明显的标志。相反，研究人员需要带着设备进入现场，以确认是否有井存在。在预测的井位，研究人员寻找任何地面井结构。如果没有磁场，他们会带着磁力计以网格或螺旋模式行走，磁力计测量磁场。埋在地下的金属井套管会扰乱磁场，让研究人员可以锁定油井。一旦他们完成对该地区的勘测，研究人员就保存磁力计文件，记录是否发现了井，如果发现了井，就拍摄现场照片，记录GPS坐标，并检查甲烷泄漏。对于他们可以验证的油井，伯克利实验室团队发现uow平均距离算法和地图预测的位置10米。他们认为人工智能方法是第一个可以在县尺度上确定潜在uow的精确位置的方法。随着覆盖美国的地图越来越丰富，这项技术可以扩大规模，并推广到其他感兴趣的地区，如图3所示。