Google 与 NASA JPL 推出用于绘制全球甲烷羽流的 AI 模型

Google 与 NASA 的喷气推进实验室（JPL）于 2026 年 9 月 9 日推出了 MAPL-EMIT，这是一种深度学习模型，可从 NASA 的 EMIT 卫星仪器全球检测、量化并定位甲烷羽流，正如 Google 的公告 所述。Google 表示，该模型在 360 万个基于物理模拟的甲烷羽流上进行训练，能够比人工专家检测出多 50% 的羽流，并在全球识别出超过 23,000 条额外的羽流，其中包括世界上 25 大排放垃圾填埋场中的 24 个的羽流。

该系统正式名称为 Methane Analysis and Plume Localization with EMIT，已在 《美国国家科学院院刊》 上的研究中描述，作者为 Google Research 与 JPL 的研究人员；同时也出现在 Google Research 技术博客（2026 年 9 月 1 日）中，由研究工程师 Vishal Batchu 与研究科学家 Michelangelo Conserva 撰写。Batchu 还撰写了 Google 于 9 月 9 日的公告。

甲烷监测与 EMIT 仪器

Google 的公告将甲烷描述为一种强效温室气体，其在 100 年时间尺度上的增温潜能是二氧化碳的 30 倍。研究指出，甲烷在 20 年时间尺度上的全球增温潜能是 CO₂ 的 81 到 86 倍，约归因于工业时代以来约 25% 的人为增温，并且其大气寿命约为九年。全球已有超过 125 个国家在《全球甲烷承诺》下承诺到 2030 年将甲烷排放量削减 30%，研究报告称，人类活动贡献了全球甲烷排放的 60%，其中废弃物占 19%，农业占 44%，能源占 37%。

EMIT（Earth Surface Mineral Dust Source Investigation）搭载于国际空间站运行，最初旨在绘制干旱地区的矿物组成。该仪器记录 285 条光谱波段，波长范围为 381 至 2,493 纳米，空间分辨率为 60 米，扫描宽度为 80 公里；每个像素记录数百条独特波段，使本来不可见的气体的化学指纹得以显现，正如 Google Research 的帖子所解释的那样。研究将此配置与全球制图仪器如 TROPOMI 进行对比，后者的扫描宽度约为 2,600 公里，分辨率为 5.5 × 3.5 公里，用于追踪背景甲烷浓度，但其尺度过于粗糙，无法分离单个源头。

在模拟羽流上训练的视觉 Transformer

MAPL-EMIT 是一种端到端的视觉 Transformer，能够处理完整的 EMIT 辐射光谱，以联合方式检索场景中所有像素的甲烷增强。该模型将约 3000 万参数的 Swin‑v2‑S Transformer 编码器与 U‑Net 类结构的卷积解码器相结合，并同步执行三项任务：量化每个像素的甲烷增强、描绘每条羽流的形状与边界、定位每个排放源。研究指出，这包括将相邻设施的重叠羽流分离开来，而现有方法对此处理不佳。

由于缺乏数百万真实羽流的标注数据，团队构建了基于物理的模拟流水线，利用拉格朗日羽流模型生成 360 万条合成羽流，并通过使用 HITRAN 光谱数据的逐线辐射传输将其注入真实的 EMIT 场景。研究人员将 235,000 块 EMIT 瓦片划分为训练、验证和测试集，并在 32 块 Google TPU 芯片上训练模型约 96 小时。Google Research 表示，合成数据让模型接触到多样的排放速率、地形和大气条件，从而提升了对真实观测的泛化能力。

在合成与真实基准上的验证

在真实基准测试中，研究报告称 MAPL-EMIT 在 1,084 颗 EMIT 颗粒的测试集上捕获了 84% 的人工标注 NASA EMIT L2B 羽流复合体，并识别出约 1.5 倍于人工分析师的合理羽流数量。模型在这些颗粒上的初始检测为 3,672 条，经过过滤后，仅保留了 2,209 条位于陆地且在 16 次重叠分段推断中被检测到超过 13 次的羽流。

为界定误报率，团队在 20,000 颗预期羽流极少的颗粒上运行模型。研究报告称过滤后得到 1,513 条检测，其中 355 条通过光谱拟合评估被认为可能真实；其余 1,158 条未确认的检测大多出现在丘陵或密林地区，保守估计约为每颗粒 0.06 条误报。

模型在全球 25 大排放垃圾填埋场中的 24 个发现了潜在羽流；研究指出，早期工作发现 EMIT L2B 产品在这 25 个地点中仅检测到 17 个潜在羽流。与同步的 AVIRIS‑3 航空气象观测相比，MAPL-EMIT 检测到三条可分辨羽流中的两条，未出现误报，信噪比为 8.60；而重新采样的 AVIRIS‑3 匹配滤波器为 1.21，标准 L2B 匹配滤波器为 0.40。在斯坦福大学于 2024 年 8 月 1 日至 2025 年 12 月 31 日在亚利桑那州现场进行的受控释放实验中，模型检测到七次释放中的五次，且在释放位置未出现误报。

在合成基准测试中，单羽流精度从最弱的 0.80 提升至最强的 0.97，召回率从 0.33 上升至 0.93，平均源定位误差为 101 米。研究报告称，模型能够可靠捕获泄漏速率在 250 至 500 kg/h、名义风速为 2.5 m/s 时的羽流，相比现有模型提升约 2‑4 倍，并在 1,084 颗比较颗粒上实现对称平均绝对百分比误差 56%，而 EMIT L2B 羽流的该指标为 117%。

局限性、公开发布与后续工作

作者指出，误报仍是一个未解决的挑战，尤其在复杂地形中更为突出，且 MAPL-EMIT 的误报数量显著高于经专家审查的目录（如 EMIT L2B 羽流复合体）。已发布数据库中的每条羽流均依据基于物理的光谱拟合得分和跨分段推断的检测次数标记为低置信度或高置信度，作者提醒该目录并非完整，因为约有 16% 的 EMIT L2B 羽流复合体未被捕获。

随论文一起，Google 将全球羽流数据库和甲烷增强栅格以 Earth Engine 集合形式发布，提供用于可视化数据的 Earth Engine 应用、在 Kaggle 上的训练模型与合成羽流数据集，以及在 GitHub 上的推理库。该研究于 2026 年 4 月 11 日收到稿件，2026 年 8 月 3 日接受，2026 年 9 月 1 日在线发表，收录于 2026 年 9 月 8 日出版的《PNAS》第 123 卷第 36 期。

作者表示，未来的研究将把工作流扩展至多气体和多卫星检索，并朝着端到端的排放速率估计方向发展，这将能够在无需事后风速整合的情况下直接给出泄漏速率估计。Google Research 的帖子指出，NASA 的下一代成像光谱仪计划将覆盖范围提升 30 到 50 倍。