深度学习模型 MAPL-EMIT 实现全球甲烷排放太空测绘

Google 与 NASA JPL 在 PNAS 发表研究，推出 AI 模型 MAPL-EMIT，利用 NASA EMIT 仪器从太空追踪全球甲烷羽流，检测数量较人类专家提升 50%。相关数据库与工具已在 Earth Engine、Kaggle 和 GitHub 开放。

新闻影响：研究与模型重要程度：★★★☆☆事件时间：2026年9月14日本站发布：2026年9月15日更新于 2026年9月15日约 1 分钟阅读

在一项发表于《PNAS》的研究中，Google 与 NASA 喷气推进实验室（JPL）推出了名为 MAPL-EMIT 的 AI 模型。该模型利用 NASA 的 EMIT 仪器数据，从太空对全球甲烷排放进行追踪。

甲烷是一种强效温室气体，在 100 年时间尺度上，其增温潜力是二氧化碳的 30 倍。

训练数据与检测能力

MAPL-EMIT 旨在解决甲烷检测中的关键瓶颈。模型使用 360 万个物理模拟的甲烷羽流（即释放到大气中的甲烷气体云）进行训练，能够在复杂且噪声较高的地形条件下识别排放源。

根据研究公布的数据，MAPL-EMIT 检测到的甲烷羽流数量比人类专家多出 50%，在全球范围内额外识别出超过 23,000 个羽流，其中包括全球排放量最大的 25 个垃圾填埋场中的 24 个。

通过大规模定位甲烷排放源，MAPL-EMIT 可为更快速、更具针对性的气候减排行动提供支持。目前，Google 已将全球羽流数据库发布在 Earth Engine 平台上，并同步上线了一款用于可视化这些数据的 Earth Engine 应用。

为支持研究人员、政策制定者和运营方，开源模型已在 Kaggle 上提供，推理工具则托管于 GitHub。