Google と NASA JPL が世界規模のメタン噴出源をマッピングする AI モデルを発表

Google と NASA のジェット推進研究所 (JPL) は 2026 年 9 月 9 日に MAPL-EMIT を発表しました。これは、NASA の EMIT 衛星装置から取得したデータを用いて、世界規模でメタン噴出源を検出、定量化、位置特定するディープラーニングモデルです。詳細は Google の発表 に記載されています。Google は、3.6 百万件の物理シミュレーションされたメタン噴出源で学習させたこのモデルは、人間の専門家より 50% 多くの噴出源を検出し、世界で 23,000 件以上の追加噴出源を特定したと述べています。その中には、世界の排出量上位 25 件の埋立地のうち 24 件での噴出も含まれます。

このシステムは正式名称を「Methane Analysis and Plume Localization with EMIT」と呼び、Google Research と JPL の研究者が執筆した Proceedings of the National Academy of Sciences (PNAS) に掲載された研究 と、2026 年 9 月 1 日付けの Google Research の技術投稿（研究エンジニア Vishal Batchu と研究科学者 Michelangelo Conserva 執筆）でも紹介されています。Batchu は Google の 9 月 9 日の発表文も執筆しました。

メタンモニタリングと EMIT 装置

Google の発表によれば、メタンは極めて強力な温室効果ガスで、100 年スパンでの温暖化係数は二酸化炭素の約 30 倍です。研究では、メタンの 20 年スパンの地球温暖化係数が CO₂ の 81〜86 倍であるとし、産業革命以降の人為的温暖化の約 25% をこのガスが占めていると指摘しています。また、メタンの大気中寿命は約 9 年とされています。グローバル・メタン・プレッジに基づき、125 カ国以上が 2030 年までにメタン排出を 30% 削減することを約束しており、研究では人間活動が世界のメタン排出の 60% を占めていると報告しています。その内訳は廃棄物 19%、農業 44%、エネルギー 37% です。

EMIT（Earth Surface Mineral Dust Source Investigation）は国際宇宙ステーションに搭載された装置で、当初は乾燥地域の鉱物組成をマッピングすることを目的として設計されました。装置は 381〜2,493 nm の波長帯をカバーする 285 のスペクトルバンドを、60 m の空間分解能で、幅 80 km のスワス幅で取得します。ピクセルごとに数百のバンドを記録することで、肉眼では見えないガスの化学的指紋を捉えることができると、Google Research の投稿は説明しています。研究は、これを背景メタン濃度を追跡するために幅約 2,600 km、解像度 5.5×3.5 km の TROPOMI などの全球マッピング衛星と比較し、個別の排出源を分離するには粗すぎると指摘しています。

シミュレーション噴出源で学習した Vision Transformer

MAPL-EMIT はエンドツーエンドの Vision Transformer で、EMIT の全放射スペクトルを処理し、シーン内すべてのピクセルに対してメタン増強量を同時に取得します。モデルは約 3,000 万パラメータの Swin‑v2‑S トランスフォーマーエンコーダと、U‑Net に似た構造の畳み込みデコーダを組み合わせ、次の 3 つのタスクを同時に実行します：各ピクセルのメタン増強量の定量化、噴出源の形状と境界の描画、そして各排出源の位置特定。研究では、これにより隣接施設からの重なり合う噴出源を分離できると述べており、既存手法では十分に捉えられないシナリオをカバーできるとしています。

実際のラベル付き噴出源データが数百万件も存在しないため、チームは物理ベースのシミュレーションパイプラインを構築し、ラグランジアン・パフモデルで生成した 3.6 百万件の合成噴出源を、HITRAN スペクトルデータを用いた逐線形放射伝達で実際の EMIT シーンに注入しました。研究者は 235,000 枚の EMIT タイルを訓練、検証、テスト用に分割し、32 台の Google TPU で約 96 時間学習させました。Google Research は、合成データによりさまざまな排出率、地形、気象条件にモデルが曝露され、実観測への一般化性能が向上したと述べています。

合成ベンチマークと実世界ベンチマークでの検証

実世界ベンチマークでは、研究は MAPL‑EMIT が 1,084 枚の EMIT グラニュールから構成されたテストセットにおいて、手作業で注釈付けされた NASA EMIT L2B 噴出複合体の 84% を捕捉し、人間のアナリストが見つけた数の約 1.5 倍の妥当な噴出源を同定したと報告しています。初期検出は 3,672 件でしたが、陸上にあり 16 回の重複推論のうち 13 回以上検出されたものに絞り込むと 2,209 件に減少しました。

偽陽性率を評価するため、チームは噴出がほとんど期待されない 20,000 枚のグラニュール全体にモデルを適用しました。フィルタリング後の検出件数は 1,513 件で、そのうち 355 件はスペクトル適合評価により実在性が高いと判断されました。残りの 1,158 件は主に丘陵地帯や密林上で確認できず、1 グラニュールあたり約 0.06 件の偽陽性と保守的に推定されています。

モデルは世界の排出量上位 25 カ所の埋立地のうち 24 カ所で潜在的な噴出源を特定しました。以前の研究では EMIT L2B 製品が 25 カ所中 17 カ所で潜在的噴出を検出していたことと比較されています。同期した AVIRIS‑3 航空観測と比較した場合、MAPL‑EMIT は偽陽性なしで 3 つの分解可能な噴出のうち 2 つを検出し、信号対雑音比は 8.60 でした。一方、再サンプリングされた AVIRIS‑3 のマッチドフィルタは 1.21、標準的な L2B マッチドフィルタは 0.40 でした。2024 年 8 月 1 日から 2025 年 12 月 31 日までアリゾナ州のフィールドサイトで実施されたスタンフォード大学の制御放出実験では、7 回の放出のうち 5 回を検出し、放出位置での偽陽性はゼロでした。

合成ベンチマークでは、噴出ごとの精度は最弱噴出で 0.80、最強噴出で 0.97 に上昇し、再現率は 0.33 から 0.93 に向上しました。平均位置誤差は 101 メートルでした。研究は、名目風速 2.5 m/s の条件下で、漏出率 250〜500 kg/h の噴出を安定的に捕捉でき、既存モデルに比べて 2〜4 倍の改善を示し、1,084 件の比較グラニュールに対する対称平均絶対パーセンテージ誤差は 56%（EMIT L2B 噴出は 117%）であると報告しています。

制限事項、公開リリース、今後の課題

著者らは、特に複雑な地形において偽陽性が依然として課題であり、MAPL‑EMIT が専門家が検証したカタログ（例：EMIT L2B 噴出複合体）に比べてかなり多くの偽陽性を示すことを指摘しています。公開されたデータベースの各噴出は、物理ベースのスペクトル適合スコアとストライド推論における検出回数に基づき、低信頼度または高信頼度としてタグ付けされており、全体の約 16% が捕捉できていないため、カタログが完全であるとは期待できないと警告しています。

論文と同時に、Google は全球噴出データベースとメタン増強ラスタを Earth Engine コレクションとして公開し、データ可視化用の Earth Engine アプリ、Kaggle 上の学習済みモデルと合成噴出データセット、そして GitHub の推論ライブラリも提供しました。本研究は 2026 年 4 月 11 日に受理され、2026 年 8 月 3 日に採択、2026 年 9 月 1 日にオンラインで公開され、PNAS 第 123 巻第 36 号（2026 年 9 月 8 日掲載）に掲載されています。

著者らは、将来的な研究でパイプラインを多ガス・多衛星取得へ拡張し、風速の事後統合を不要とするエンドツーエンドの排出率推定へと進めることを計画しています。Google Research の投稿は、NASA の次世代イメージング分光計がカバレッジを 30 倍から 50 倍に拡大する予定であることも指摘しています。