Google und NASA JPL stellen KI‑Modell zur Kartierung globaler Methan‑Plumes vor

Google und das Jet Propulsion Laboratory (JPL) der NASA stellten am 9. September 2026 MAPL‑EMIT vor, ein Deep‑Learning‑Modell, das Methan‑Plumes weltweit anhand des NASA‑EMIT‑Satelliteninstruments erkennt, quantifiziert und lokalisiert, laut Google‑Ankündigung. Google erklärte, dass das Modell, das mit 3,6 Millionen physikalisch simulierten Methan‑Plumes trainiert wurde, 50 % mehr Plumes als menschliche Expert*innen entdeckt und weltweit über 23 000 zusätzliche Plumes identifiziert, darunter Plumes an 24 der 25 größten emittierenden Deponien der Welt.

Das System, offiziell „Methane Analysis and Plume Localization with EMIT“ genannt, wird in einer Studie in den Proceedings of the National Academy of Sciences (PNAS) beschrieben, die von Forschenden bei Google Research und JPL verfasst wurde, sowie in einem technischen Beitrag von Google Research vom 1. September 2026, verfasst von Forschungsingenieur Vishal Batchu und Forschungswissenschaftler Michelangelo Conserva. Batchu schrieb zudem die Google‑Ankündigung vom 9. September.

Methan‑Überwachung und das EMIT‑Instrument

In der Google‑Ankündigung wird Methan als ein starkes Treibhausgas beschrieben, dessen Erwärmungspotenzial über einen Zeitraum von 100 Jahren das 30‑fache von Kohlendioxid beträgt. Die Studie gibt an, dass das 20‑jährige globale Erwärmungspotenzial von Methan 81‑ bis 86‑mal höher ist als das von CO₂, dass etwa 25 % der menschengemachten Erwärmung seit Beginn der Industrialisierung auf das Gas zurückzuführen sind und dass die atmosphärische Lebensdauer etwa neun Jahre beträgt. Mehr als 125 Länder haben sich im Rahmen des Global Methane Pledge zu einer Reduktion der Methan‑Emissionen um 30 % bis 2030 verpflichtet, und die Studie berichtet, dass menschliche Aktivitäten 60 % der globalen Methan‑Emissionen ausmachen, verteilt auf Abfälle (19 %), Landwirtschaft (44 %) und Energie (37 %).

EMIT, die Earth Surface Mineral Dust Source Investigation, operiert an Bord der Internationalen Raumstation und wurde ursprünglich entwickelt, um die Mineralzusammensetzung in ariden Regionen abzubilden. Das Instrument erfasst 285 spektrale Bänder von 381 bis 2 493 nm mit einer räumlichen Auflösung von 60 m und einem Abtastband von 80 km; die Aufzeichnung von Hunderten unterschiedlicher Bänder pro Pixel legt die chemischen Fingerabdrücke eines sonst unsichtbaren Gases offen, erklärt der Google‑Research‑Beitrag. Die Studie stellt diese Konfiguration der globalen Mapper wie TROPOMI gegenüber, die ein Abtastband von etwa 2 600 km mit einer Auflösung von 5,5 × 3,5 km kombiniert, um Hintergrund‑Methankonzentrationen zu verfolgen – ein Maßstab, der zu grob ist, um einzelne Quellen zu isolieren.

Ein Vision‑Transformer, trainiert mit simulierten Plumes

MAPL‑EMIT ist ein End‑to‑End‑Vision‑Transformer, der das komplette EMIT‑Radianzspektrum verarbeitet, um Methan‑Erhöhungen über alle Pixel einer Szene gleichzeitig abzurufen. Das Modell kombiniert einen Swin‑v2‑S‑Transformer‑Encoder mit etwa 30 Millionen Parametern und einen konvolutionalen Decoder in einer U‑Net‑ähnlichen Architektur und führt gleichzeitig drei Aufgaben aus: die Quantifizierung der Methan‑Erhöhung in jedem Pixel, die Abgrenzung der Form und Grenzen jedes Plumes sowie die Lokalisierung der Quelle jeder Emission. Die Studie weist darauf hin, dass damit überlappende Plumes benachbarter Anlagen getrennt werden können – ein Szenario, das bestehende Verfahren nur unzureichend erfassen.

Da es keinen gekennzeichneten Datensatz mit Millionen realer Plumes gibt, entwickelte das Team eine physikbasierte Simulationspipeline, die 3,6 Millionen synthetische Plumes mittels Lagrange‑Puff‑Modellen erzeugte, die die Partikeldispersion in der Luft simulieren, und diese in reale EMIT‑Szenen mittels zeilenweiser Strahlungsübertragung mit HITRAN‑Spektraldaten einfügte. Die Forschenden teilten 235 000 EMIT‑Tiles in Trainings‑, Validierungs‑ und Test‑Sets auf und trainierten das Modell auf 32 Google‑TPU‑Chips für etwa 96 Stunden. Google Research erklärte, dass die synthetischen Daten das Modell einer breiten Palette von Emissionsraten, Geländetypen und atmosphärischen Bedingungen aussetzten und so seine Generalisierungsfähigkeit für reale Beobachtungen verbesserten.

Validierung auf synthetischen und realen Benchmarks

Auf realen Benchmarks berichtet die Studie, dass MAPL‑EMIT 84 % der handannotierten NASA‑EMIT‑L2B‑Plume‑Komplexe in einem Test‑Set von 1 084 EMIT‑Granulen erfasste und dabei etwa das 1,5‑fache so vieler plausibler Plumes wie menschliche Analyst*innen identifizierte. Die anfänglichen 3 672 Detektionen auf diesen Granulen reduzierten sich nach dem Filtern auf 2 209, die als Land‑Plumes gelten und in mehr als 13 von 16 überlappenden gestreiften Inferenzläufen detektiert wurden.

Um die Rate falscher Positiver abzuschätzen, ließ das Team das Modell über 20 000 Granulen laufen, bei denen nur wenige Plumes zu erwarten waren. Die Studie berichtet von 1 513 Detektionen nach dem Filtern, von denen 355 anhand einer spektralen Fit‑Bewertung als wahrscheinlich echt eingestuft wurden; die verbleibenden 1 158 nicht bestätigten Detektionen, überwiegend über hügeligem Terrain oder dichten Wäldern, ergeben eine konservative Schätzung von etwa 0,06 falschen Plumes pro Granul.

Das Modell identifizierte potenzielle Plumes an 24 der 25 weltweit größten Emittenten von Deponien; die Studie weist darauf hin, dass frühere Arbeiten das EMIT‑L2B‑Produkt bei 17 dieser 25 Standorte als potenzielle Plumes erfasst hatten. Im Vergleich zu gleichzeitigen AVIRIS‑3‑Flugmessungen erkannte MAPL‑EMIT zwei von drei auflösbaren Plumes ohne falsche Positive und erzielte ein Signal‑zu‑Rausch‑Verhältnis von 8,60 gegenüber 1,21 für den neu‑abgetasteten AVIRIS‑3‑Matched‑Filter und 0,40 für den Standard‑L2B‑Matched‑Filter. In von Stanford durchgeführten kontrollierten Freisetzungs‑Experimenten vom 1. August 2024 bis zum 31. Dezember 2025 in der Nähe einer Feldstelle in Arizona detektierte das Modell fünf von sieben Freisetzungen und erzeugte keinerlei falsche Positive an den Freisetzungsorten.

Auf synthetischen Benchmarks stieg die Präzision pro Plume von 0,80 für die schwächsten Plumes auf 0,97 für die intensivsten, der Recall von 0,33 auf 0,93, und der mittlere Fehler der Quellenlokalisierung betrug 101 Meter. Die Studie gibt an, dass das Modell zuverlässig Plumes erfasst, die Leckraten von 250 bis 500 kg/h bei einer nominalen Windgeschwindigkeit von 2,5 m/s entsprechen – eine ungefähre 2‑ bis 4‑fach Verbesserung gegenüber bestehenden Modellen – und einen symmetrischen mittleren absoluten prozentualen Fehler von 56 % auf den 1 084 Vergleichs‑Granulen erreicht, gegenüber 117 % für die EMIT‑L2B‑Plumes.

Beschränkungen, öffentliche Veröffentlichungen und nächste Schritte

Die Autor*innen geben an, dass falsche Positive weiterhin eine offene Herausforderung darstellen, insbesondere in komplexem Terrain, und dass MAPL‑EMIT deutlich mehr falsche Positive aufweist als von Expert*innen geprüfte Kataloge wie die EMIT‑L2B‑Plume‑Komplexe. Jeder Plume im veröffentlichten Datenbank wird anhand physikbasierter spektraler Fit‑Scores und Detektionszahlen über gestreifte Inferenzläufe als niedriger oder höheres Vertrauen gekennzeichnet, und die Autor*innen warnen, dass der Katalog nicht als vollständig zu betrachten ist, da etwa 16 % der EMIT‑L2B‑Plume‑Komplexe nicht erfasst wurden.

Zusammen mit der Publikation stellte Google die globale Plume‑Datenbank und Methan‑Erhöhungs‑Raster als Earth‑Engine‑Sammlungen bereit, eine Earth‑Engine‑App zur Visualisierung der Daten, das trainierte Modell sowie den synthetischen Plume‑Datensatz auf Kaggle und eine Inferenz‑Bibliothek auf GitHub. Die Studie wurde am 11. April 2026 eingereicht, am 3. August 2026 angenommen und am 1. September 2026 online veröffentlicht; sie erscheint in PNAS Band 123, Nummer 36, datiert auf den 8. September 2026.

Die Autor*innen erklären, dass zukünftige Forschungen die Pipeline auf Mehrgase‑ und Multisatelliten‑Abrufe ausweiten und zu einer End‑to‑End‑Schätzung der Emissionsrate führen sollen, wodurch direkte Leckraten‑Schätzungen ohne nachträgliche Windintegration möglich werden. Der Google‑Research‑Beitrag weist darauf hin, dass die nächsten Generationen von Bildgebungsspektrometern der NASA geplant sind, die Abdeckung um das 30‑ bis 50‑fache zu erhöhen.