Google dan NASA JPL Ungkap Model AI yang Memetakan Plume Metana Global

Google dan Jet Propulsion Laboratory (JPL) milik NASA memperkenalkan MAPL-EMIT pada 9 September 2026, sebuah model pembelajaran mendalam yang mendeteksi, mengukur, dan melokalisasi plume metana secara global dari instrumen satelit EMIT NASA, menurut pengumuman Google. Google menyatakan model ini, yang dilatih dengan 3,6 juta plume metana yang disimulasikan secara fisik, mendeteksi 50% lebih banyak plume dibandingkan pakar manusia dan mengidentifikasi lebih dari 23.000 plume tambahan secara global, termasuk plume di 24 dari 25 tempat pembuangan sampah terbesar di dunia.

Sistem ini, secara resmi dinamakan Methane Analysis and Plume Localization with EMIT, dijelaskan dalam sebuah studi di Proceedings of the National Academy of Sciences yang ditulis oleh peneliti dari Google Research dan JPL, serta dalam sebuah posting teknis Google Research tanggal 1 September 2026 oleh insinyur riset Vishal Batchu dan ilmuwan riset Michelangelo Conserva. Batchu juga menulis pengumuman Google pada 9 September.

Methane Monitoring and the EMIT Instrument

Pengumuman Google menggambarkan metana sebagai gas rumah kaca yang kuat dengan potensi pemanasan selama 100 tahun sebesar 30 kali lipat dibandingkan karbon dioksida. Studi tersebut menyatakan potensi pemanasan global metana selama 20 tahun adalah 81 hingga 86 kali lipat CO₂, mengaitkan sekitar 25% pemanasan yang diakibatkan manusia sejak awal era industri kepada gas ini, dan mencatat masa hidup atmosfer sekitar sembilan tahun. Lebih dari 125 negara telah berkomitmen untuk mengurangi emisi metana sebesar 30% pada tahun 2030 melalui Global Methane Pledge, dan studi melaporkan bahwa aktivitas manusia menyumbang 60% dari total emisi metana global, terbagi antara limbah (19%), pertanian (44%), dan energi (37%) dalam bagian tersebut.

EMIT, singkatan dari Earth Surface Mineral Dust Source Investigation, beroperasi di atas International Space Station dan awalnya dirancang untuk memetakan komposisi mineral di wilayah kering. Instrumen ini merekam 285 pita spektral yang mencakup 381 hingga 2.493 nanometer dengan resolusi spasial 60 meter dan lebar jalur 80 kilometer; merekam ratusan pita berbeda per piksel mengungkap sidik kimia gas yang sebaliknya tidak terlihat, jelas dalam posting Google Research. Studi tersebut membandingkan konfigurasi ini dengan pemetaan global seperti TROPOMI, yang menggabungkan lebar jalur sekitar 2.600 kilometer dengan resolusi 5,5 × 3,5 kilometer untuk melacak konsentrasi metana latar belakang, skala yang terlalu kasar untuk memisahkan sumber individu.

A Vision Transformer Trained on Simulated Plumes

MAPL-EMIT adalah vision transformer ujung-ke-ujung yang memproses spektrum radiasi EMIT secara lengkap untuk mengambil peningkatan metana di semua piksel dalam sebuah adegan secara bersamaan. Model ini menggabungkan encoder transformer Swin‑v2‑S dengan sekitar 30 juta parameter dan decoder konvolusional dalam arsitektur mirip U‑Net, serta melakukan tiga tugas secara simultan: mengukur peningkatan metana di setiap piksel, menggambarkan bentuk dan batas setiap plume, serta melokalisasi sumber setiap emisi. Studi tersebut menyatakan hal ini mencakup pemisahan plume yang tumpang tindih dari fasilitas tetangga, sebuah skenario yang dikatakan pendekatan yang ada tidak dapat tangkap dengan baik.

Karena tidak ada dataset berlabel berisi jutaan plume dunia nyata, tim membangun jalur simulasi berbasis fisika yang menghasilkan 3,6 juta plume sintetis dengan model puff Lagrangian, yang mensimulasikan bagaimana partikel menyebar melalui udara, dan menyuntikkannya ke dalam adegan EMIT nyata menggunakan transfer radiasi baris‑demi‑baris dengan data spektral HITRAN. Para peneliti membagi 235.000 ubin EMIT menjadi set pelatihan, validasi, dan pengujian serta melatih model pada 32 chip Google TPU selama kira‑kira 96 jam. Google Research menyatakan data sintetis tersebut memperkenalkan model pada variasi laju emisi, medan, dan kondisi atmosfer, meningkatkan kemampuan generalisasi ke pengamatan nyata.

Validation on Synthetic and Real-World Benchmarks

Pada tolok ukur dunia nyata, studi melaporkan bahwa MAPL-EMIT menangkap 84% kompleks plume NASA EMIT L2B yang ditandai secara manual pada set pengujian yang terdiri dari 1.084 granula EMIT, sekaligus mengidentifikasi kira‑kira 1,5 kali lebih banyak plume yang masuk akal dibandingkan analis manusia. Deteksi awal model sebanyak 3.672 pada granula tersebut berkurang menjadi 2.209 setelah penyaringan ke plume daratan yang terdeteksi dalam lebih dari 13 dari 16 inferensi berjarak tumpang tindih.

Untuk memperkirakan tingkat false positive, tim menjalankan model pada 20.000 granula di mana plume minimal diharapkan. Studi melaporkan 1.513 deteksi setelah penyaringan, di mana 355 dinilai kemungkinan nyata melalui evaluasi kecocokan spektral; sisanya 1.158 deteksi yang tidak terkonfirmasi, kebanyakan di atas medan berbukit atau hutan lebat, memberikan perkiraan konservatif sekitar 0,06 plume palsu per granula.

Model ini mengidentifikasi plume potensial di 24 dari 25 tempat pembuangan sampah terbesar di dunia; studi mencatat bahwa pekerjaan sebelumnya menemukan produk EMIT L2B mendeteksi plume potensial di 17 dari 25 situs tersebut. Dibandingkan dengan pengamatan udara AVIRIS‑3 yang bersamaan, MAPL‑EMIT mendeteksi dua dari tiga plume yang dapat dipecahkan tanpa false positive dan rasio sinyal‑terhadap‑noise sebesar 8,60, dibandingkan 1,21 untuk filter cocok ulang AVIRIS‑3 yang di‑resample dan 0,40 untuk filter cocok standar L2B. Dalam eksperimen pelepasan terkontrol Stanford yang dilakukan dari 1 Agustus 2024 hingga 31 Desember 2025, di dekat situs lapangan di Arizona, model ini mendeteksi lima dari tujuh pelepasan dan tidak menghasilkan false positive di lokasi pelepasan.

Pada tolok ukur sintetis, presisi per plume meningkat dari 0,80 untuk plume terlemah menjadi 0,97 untuk yang paling intens, recall naik dari 0,33 menjadi 0,93, dan rata‑rata kesalahan lokasi sumber sebesar 101 meter. Studi melaporkan model secara andal menangkap plume yang sesuai dengan laju kebocoran 250 hingga 500 kg/jam pada kecepatan angin nominal 2,5 m/s, peningkatan kira‑kira 2‑4 kali dibandingkan model yang ada, serta mencapai symmetric mean absolute percentage error sebesar 56% pada 1.084 granula perbandingan, dibandingkan 117% untuk plume EMIT L2B.

Limitations, Public Releases, and Next Steps

Penulis menyatakan bahwa false positive tetap menjadi tantangan terbuka, terutama di medan yang kompleks, dan MAPL‑EMIT menunjukkan jauh lebih banyak false positive dibandingkan katalog yang diverifikasi ahli seperti kompleks plume EMIT L2B. Setiap plume dalam basis data yang dirilis ditandai sebagai kepercayaan rendah atau tinggi berdasarkan skor kecocokan spektral berbasis fisika dan jumlah deteksi pada inferensi berjarak, dan penulis memperingatkan bahwa katalog tersebut tidak diharapkan lengkap, karena sekitar 16% kompleks plume EMIT L2B tidak terjangkau.

Seiring dengan makalah tersebut, Google merilis basis data plume global dan raster peningkatan metana sebagai koleksi Earth Engine, sebuah aplikasi Earth Engine untuk memvisualisasikan data, model terlatih serta dataset plume sintetis di Kaggle, dan sebuah perpustakaan inferensi di GitHub. Studi ini diterima pada 11 April 2026, disetujui pada 3 Agustus 2026, dan dipublikasikan secara daring pada 1 September 2026; muncul dalam PNAS Volume 123, Nomor 36, tanggal 8 September 2026.

Penulis menyatakan bahwa penelitian masa depan akan memperluas alur kerja ke pengambilan multigas dan multisatelit serta menuju estimasi laju emisi ujung‑ke‑ujung, yang akan menghasilkan perkiraan laju kebocoran langsung tanpa integrasi angin pasca‑proses. Posting Google Research mencatat bahwa spektrometer pencitraan generasi berikutnya milik NASA direncanakan meningkatkan cakupan sebesar faktor 30 hingga 50.