Google i NASA JPL prezentują model AI mapujący globalne plamy metanu

Google i Jet Propulsion Laboratory (JPL) NASA wprowadzili MAPL-EMIT 9 września 2026 r., model uczenia głębokiego, który wykrywa, kwantyfikuje i lokalizuje globalnie plamy metanu z instrumentu satelitarnego EMIT NASA, zgodnie z ogłoszeniem Google. Google podało, że model, wytrenowany na 3,6 mln fizycznie symulowanych plam metanu, wykrywa o 50 % więcej plam niż eksperci‑ludzie i identyfikuje ponad 23 000 dodatkowych plam na całym świecie, w tym plamy w 24 z 25 największych emitujących wysypisk śmieci.

System, formalnie nazwany Methane Analysis and Plume Localization with EMIT, opisany jest w studium opublikowanym w Proceedings of the National Academy of Sciences (PNAS) autorstwa badaczy z Google Research i JPL oraz w technicznym poście Google Research z 1 września 2026 r., napisanym przez inżyniera badawczego Vishala Batchu i naukowca badawczego Michelangelo Conserva. Batchu był również autorem ogłoszenia Google z 9 września.

Monitorowanie Metanu i Instrument EMIT

W ogłoszeniu Google opisano metan jako silny gaz cieplarniany, którego potencjał ocieplający w perspektywie 100 lat jest 30‑krotnie wyższy niż dwutlenku węgla. Badanie podaje, że 20‑letni potencjał ocieplający metanu wynosi od 81 do 86 krotności CO₂, przypisuje około 25 % ocieplenia spowodowanego działalnością człowieka od początku epoki przemysłowej temu gazowi oraz zauważa, że jego średni czas życia w atmosferze wynosi około dziewięciu lat. Ponad 125 krajów zobowiązało się do redukcji emisji metanu o 30 % do 2030 r. w ramach Global Methane Pledge, a badanie informuje, że działalność ludzka odpowiada za 60 % globalnej emisji metanu, podzielonych na odpady (19 %), rolnictwo (44 %) i energetykę (37 %).

EMIT (Earth Surface Mineral Dust Source Investigation) działa na Międzynarodowej Stacji Kosmicznej i pierwotnie został zaprojektowany do mapowania składu mineralnego w obszarach suchych. Instrument rejestruje 285 pasm spektralnych w zakresie od 381 do 2 493 nm przy rozdzielczości przestrzennej 60 m i szerokości ścieżki 80 km; rejestrowanie setek odrębnych pasm na piksel odsłania chemiczne odciski gazu niewidzialnego gołym okiem, wyjaśnia post na Google Research. Badanie zestawia tę konfigurację z globalnymi mapperami takimi jak TROPOMI, który łączy ścieżkę około 2 600 km z rozdzielczością 5,5 × 3,5 km, co jest zbyt mało szczegółowe, aby wyodrębnić poszczególne źródła.

Transformer Wizji Treningowany na Symulowanych Plamach

MAPL-EMIT jest end‑to‑end transformerem wizji, który przetwarza pełne spektrum radiancji EMIT, aby jednocześnie odzyskać wzmocnienia metanu we wszystkich pikselach sceny. Model łączy enkoder Swin‑v2‑S o liczbie parametrów około 30 mln z dekoderem konwolucyjnym w architekturze podobnej do U‑Net i wykonuje trzy zadania jednocześnie: kwantyfikację wzmocnienia metanu w każdym pikselu, wyznaczanie kształtu i granic każdej plamy oraz lokalizację źródła emisji. Badanie podkreśla, że obejmuje to rozdzielanie nakładających się plam pochodzących od sąsiadujących zakładów – scenariusz, którego istniejące podejścia nie radzą sobie dobrze.

Ponieważ nie istnieje oznakowany zestaw danych zawierający miliony rzeczywistych plam, zespół stworzył pipeline symulacji fizycznej, generując 3,6 mln syntetycznych plam przy użyciu modeli puff Lagrange’a, które symulują rozprzestrzenianie się cząstek w powietrzu, i wprowadzając je do rzeczywistych scen EMIT przy pomocy transferu radiacyjnego linii po linii z danymi spektralnymi HITRAN. Badacze podzielili 235 000 kafelków EMIT na zestawy treningowy, walidacyjny i testowy oraz wytrenowali model na 32 chipach Google TPU przez około 96 godzin. Google Research zaznaczyło, że syntetyczne dane wystawiły model na różnorodne stawki emisji, tereny i warunki atmosferyczne, co poprawiło jego zdolność generalizacji do rzeczywistych obserwacji.

Walidacja na Syntetycznych i Rzeczywistych Benchmarkach

W rzeczywistych benchmarkach badanie podaje, że MAPL-EMIT uchwycił 84 % ręcznie oznakowanych kompleksów plam NASA EMIT L2B w zestawie testowym obejmującym 1 084 granule EMIT, jednocześnie identyfikując około 1,5‑krotnie więcej prawdopodobnych plam niż analitycy‑ludzie. Początkowe 3 672 wykrycia na tych granulach zostały zredukowane do 2 209 po odfiltrowaniu do plam lądowych wykrytych w ponad 13 z 16 nakładających się przesuniętych inferencji.

Aby oszacować wskaźnik fałszywych alarmów, zespół uruchomił model na 20 000 granulach, w których oczekiwano minimalnej liczby plam. Badanie raportuje 1 513 wykryć po filtracji, z czego 355 oceniono jako prawdopodobnie autentyczne na podstawie oceny dopasowania spektralnego; pozostałe 1 158 niepotwierdzonych wykryć, głównie nad terenami pagórkowymi lub gęstymi lasami, stanowi konserwatywną estymację około 0,06 fałszywych plam na granulę.

Model zidentyfikował potencjalne plamy w 24 z 25 największych emitujących wysypisk na świecie; badanie zauważa, że wcześniejsze prace wykazały, iż produkt EMIT L2B wykrywał potencjalne plamy w 17 z tych 25 miejsc. W porównaniu z jednoczesnymi obserwacjami lotniczymi AVIRIS‑3, MAPL-EMIT wykrył dwie z trzech rozróżnialnych plam bez fałszywych alarmów i uzyskał stosunek sygnał‑szum 8,60, w porównaniu do 1,21 dla przetworzonego filtru dopasowanego AVIRIS‑3 i 0,40 dla standardowego filtru dopasowanego L2B. W kontrolowanych eksperymentach Stanford przeprowadzonych od 1 sierpnia 2024 r. do 31 grudnia 2025 r. w pobliżu pola badawczego w Arizonie model wykrył pięć z siedmiu wycieków i nie zgłosił żadnych fałszywych alarmów w miejscach uwolnień.

W syntetycznych benchmarkach precyzja na poziomie plamy wzrosła z 0,80 dla najsłabszych plam do 0,97 dla najintensywniejszych, czułość wzrosła z 0,33 do 0,93, a średni błąd położenia źródła wyniósł 101 m. Badanie podaje, że model wiarygodnie wykrywa plamy odpowiadające przepływom wycieków od 250 do 500 kg/h przy nominalnej prędkości wiatru 2,5 m/s, co stanowi przybliżone 2‑do‑4‑krotne ulepszenie w stosunku do istniejących modeli, oraz osiąga symetryczny średni bezwzględny błąd procentowy 56 % na 1 084 porównywanych granulach, w porównaniu do 117 % dla plam EMIT L2B.

Ograniczenia, Publiczne Udostępnienia i Kolejne Kroki

Autorzy stwierdzają, że fałszywe alarmy pozostają otwartym wyzwaniem, szczególnie w trudnym terenie, oraz że MAPL-EMIT wykazuje znacznie więcej fałszywych alarmów niż katalogi weryfikowane przez ekspertów, takie jak kompleksy plam EMIT L2B. Każda plama w udostępnionej bazie danych jest oznaczona jako o niższym lub wyższym poziomie pewności na podstawie fizycznych ocen dopasowania spektralnego oraz liczby wykryć w różnych inferencjach; autorzy ostrzegają, że katalog nie jest kompletny, gdyż około 16 % kompleksów plam EMIT L2B nie zostało uchwyconych.

Wraz z publikacją artykułu Google udostępnił globalną bazę danych plam oraz rastry wzmocnień metanu jako kolekcje w Earth Engine, aplikację Earth Engine do wizualizacji danych, wytrenowany model i syntetyczny zestaw plam na platformie Kaggle oraz bibliotekę inferencyjną na GitHubie. Badanie zostało przyjęte 11 kwietnia 2026 r., zaakceptowane 3 sierpnia 2026 r. i opublikowane online 1 września 2026 r.; pojawiło się w PNAS, tom 123, numer 36, datowane 8 września 2026 r.

Autorzy zaznaczają, że przyszłe badania rozszerzą pipeline na wielogazowe i wielosatelitarne pobieranie danych oraz na szacowanie emisji w trybie end‑to‑end, co umożliwi bezpośrednie oszacowanie szybkości wycieków bez późniejszej integracji wiatru. Post na Google Research podkreśla, że kolejnej generacji spektrometry obrazujące NASA planuje zwiększyć zasięg o czynnik od 30 do 50.