Google e NASA JPL presentano il modello di IA per mappare le emissioni globali di metano

Google e il Jet Propulsion Laboratory (JPL) della NASA hanno introdotto MAPL-EMIT il 9 settembre 2026, un modello di deep learning che rileva, quantifica e localizza a livello globale le plumes di metano a partire dallo strumento satellitare EMIT della NASA, secondo l’annuncio di Google. Google ha dichiarato che il modello, addestrato su 3,6 milioni di plumes di metano simulate fisicamente, rileva il 50 % in più di plumes rispetto agli esperti umani e individua oltre 23 000 plumes aggiuntive a livello globale, comprese quelle in 24 dei 25 più grandi discariche emittenti del mondo.

Il sistema, denominato formalmente Methane Analysis and Plume Localization with EMIT, è descritto in uno studio pubblicato negli Atti dell’Accademia Nazionale delle Scienze (PNAS) redatto da ricercatori di Google Research e JPL, e in un post tecnico di Google Research datato 1 settembre 2026, scritto dall’ingegnere di ricerca Vishal Batchu e dallo scienziato di ricerca Michelangelo Conserva. Batchu ha anche scritto l’annuncio di Google del 9 settembre.

Methane Monitoring and the EMIT Instrument

L’annuncio di Google descrive il metano come un potente gas serra il cui potenziale di riscaldamento su un arco temporale di 100 anni è 30 volte superiore a quello dell’anidride carbonica. Lo studio indica che il potenziale di riscaldamento globale del metano su 20 anni è da 81 a 86 volte quello della CO₂, attribuisce circa il 25 % del riscaldamento antropogenico dall’inizio dell’era industriale a questo gas, e segnala una vita atmosferica di circa nove anni. Oltre 125 paesi hanno promesso una riduzione del 30 % delle emissioni di metano entro il 2030 nell’ambito del Global Methane Pledge, e lo studio riporta che l’attività umana è responsabile del 60 % della produzione globale di metano, suddiviso tra rifiuti (19 %), agricoltura (44 %) ed energia (37 %) all’interno di tale quota.

EMIT, l’Earth Surface Mineral Dust Source Investigation, opera a bordo della Stazione Spaziale Internazionale ed è stato originariamente progettato per mappare la composizione minerale nelle regioni aride. Lo strumento registra 285 bande spettrali che coprono da 381 a 2 493 nanometri con una risoluzione spaziale di 60 metri e una larghezza di scatto di 80 chilometri; la registrazione di centinaia di bande distinte per pixel espone le impronte chimiche di un gas altrimenti invisibile, spiega il post di Google Research. Lo studio confronta questa configurazione con i mapper globali come TROPOMI, che combina una larghezza di scatto di circa 2 600 chilometri con una risoluzione di 5,5 × 3,5 chilometri per monitorare le concentrazioni di metano di fondo, una scala troppo grossolana per isolare sorgenti individuali.

A Vision Transformer Trained on Simulated Plumes

MAPL-EMIT è un vision transformer end‑to‑end che elabora l’intero spettro di radianza EMIT per recuperare le concentrazioni di metano su tutti i pixel di una scena in modo congiunto. Il modello accoppia un encoder Swin‑v2‑S transformer di circa 30 milioni di parametri con un decoder convoluzionale in un’architettura simile a U‑Net e svolge tre compiti simultaneamente: quantificare l’incremento di metano in ogni pixel, delineare la forma e i confini di ciascuna plume e localizzare la sorgente di ogni emissione. Lo studio afferma che ciò include la separazione di plumes sovrapposte provenienti da impianti vicini, scenario che, a loro dire, gli approcci esistenti non catturano bene.

Poiché non esiste un dataset etichettato di milioni di plumes reali, il team ha costruito una pipeline di simulazione basata sulla fisica che ha generato 3,6 milioni di plumes sintetiche con modelli Lagrangian puff, i quali simulano la dispersione delle particelle nell’aria, e le ha inserite in scene EMIT reali tramite trasferimento radiativo riga‑per‑riga con dati spettrali HITRAN. I ricercatori hanno suddiviso 235 000 tile EMIT in set di addestramento, validazione e test, addestrando il modello su 32 chip Google TPU per circa 96 ore. Google Research ha affermato che i dati sintetici hanno esposto il modello a varie velocità di emissione, terreni e condizioni atmosferiche, migliorandone la capacità di generalizzare su osservazioni reali.

Validation on Synthetic and Real-World Benchmarks

Su benchmark reali, lo studio riporta che MAPL-EMIT ha catturato l’84 % dei complessi di plume EMIT L2B annotati manualmente da NASA su un set di test di 1 084 granuli EMIT, identificando circa 1,5 volte più plumes plausibili rispetto agli analisti umani. Le 3 672 rilevazioni iniziali del modello su quei granuli sono scese a 2 209 dopo il filtraggio per plumes terrestri rilevate in più di 13 delle 16 inferenze striate sovrapposte.

Per delimitare il tasso di falsi positivi, il team ha eseguito il modello su 20 000 granuli dove ci si aspettava un numero minimo di plumes. Lo studio segnala 1 513 rilevazioni dopo il filtraggio, delle quali 355 sono state valutate come probabilmente genuine tramite analisi di adattamento spettrale; le restanti 1 158 rilevazioni non confermate, per lo più su terreni collinari o foreste dense, corrispondono a una stima conservativa di circa 0,06 plumes false per granulo.

Il modello ha identificato plumes potenziali in 24 dei 25 più grandi discariche emittenti del mondo; lo studio osserva che lavori precedenti avevano rilevato plumes potenziali con il prodotto EMIT L2B in 17 di quei 25 siti. Confrontato con osservazioni aeree AVIRIS‑3 coincidenti, MAPL-EMIT ha rilevato due delle tre plumes risolvibili senza falsi positivi e con un rapporto segnale‑rumore di 8,60, rispetto a 1,21 per il filtro corrispondente AVIRIS‑3 ricampionata e 0,40 per il filtro corrispondente L2B standard. Nei test di rilascio controllato di Stanford condotti dal 1 agosto 2024 al 31 dicembre 2025, vicino a un sito di campo in Arizona, il modello ha rilevato cinque di sette rilasci e non ha prodotto falsi positivi nei punti di rilascio.

Su benchmark sintetici, la precisione per plume è passata dallo 0,80 per le plumes più deboli allo 0,97 per le più intense, il richiamo è salito dallo 0,33 allo 0,93, e l’errore medio di localizzazione della sorgente è stato di 101 metri. Lo studio riporta che il modello cattura in modo affidabile plumes corrispondenti a tassi di perdita da 250 a 500 kg/h a una velocità del vento nominale di 2,5 m/s, un miglioramento approssimativo di 2‑4× rispetto ai modelli esistenti, e raggiunge un errore percentuale medio assoluto simmetrico del 56 % sui 1 084 granuli di confronto, rispetto al 117 % per le plumes EMIT L2B.

Limitations, Public Releases, and Next Steps

Gli autori affermano che i falsi positivi rimangono una sfida aperta, soprattutto in terreni complessi, e che MAPL-EMIT mostra un numero di falsi positivi notevolmente superiore rispetto ai cataloghi verificati da esperti come i complessi di plume EMIT L2B. Ogni plume nel database rilasciato è etichettata come a bassa o alta fiducia in base a punteggi di adattamento spettrale basati sulla fisica e al conteggio delle rilevazioni attraverso inferenze striate, e gli autori avvertono che il catalogo non è previsto essere completo, poiché circa il 16 % dei complessi di plume EMIT L2B non è stato catturato.

Insieme allo studio, Google ha pubblicato il database globale di plume e le raster di incremento di metano come collezioni Earth Engine, un’app Earth Engine per visualizzare i dati, il modello addestrato e il dataset di plumes sintetiche su Kaggle, e una libreria di inferenza su GitHub. Lo studio è stato ricevuto l’11 aprile 2026, accettato il 3 agosto 2026 e pubblicato online il 1 settembre 2026; appare in PNAS Volume 123, Numero 36, datato 8 settembre 2026.

Gli autori dichiarano che ricerche future estenderanno la pipeline a recuperi multigas e multisatellitari e verso una stima end‑to‑end del tasso di emissione, che produrrebbe stime dirette del tasso di perdita senza integrazione del vento post‑hoc. Il post di Google Research osserva che i nuovi spettrometri di imaging di NASA di prossima generazione sono programmati per aumentare la copertura di un fattore compreso tra 30 e 50.