一种新的深度学习模型从太空绘制全球甲烷排放图。
内容提要
谷歌与NASA JPL联合发布AI模型MAPL-EMIT，利用太空数据追踪全球甲烷排放。该模型经360万模拟羽流训练，能识别比人类专家多50%的甲烷羽流，额外发现超2.3万个排放源，包括全球25个最大垃圾填埋场中的24个。数据已开源，助力气候缓解行动。
延伸解读
为何甲烷监测至关重要
甲烷的温室效应在100年时间尺度上是二氧化碳的30倍，因此即使少量泄漏也会对气候产生显著影响。文章指出，MAPL-EMIT模型能识别出比人类专家多50%的甲烷羽流，并额外发现超过2.3万个排放源，其中包括全球25个最大排放垃圾填埋场中的24个。这表明此前大量甲烷排放源可能未被发现，而更全面的监测有助于制定更有效的减排策略。
AI如何突破传统检测瓶颈
传统甲烷检测依赖人工分析卫星图像，但复杂地形和噪声会干扰识别。MAPL-EMIT通过360万个物理模拟甲烷羽流进行训练，能够自动从噪声中提取信号，从而大幅提高检测效率。这种基于物理模拟的训练方法，使模型在真实数据上表现更佳，为从太空大规模追踪甲烷排放提供了新思路。
数据开源的意义与局限
谷歌已将全球羽流数据库发布在Earth Engine上，并提供可视化应用，同时开放模型和推理工具，以支持研究人员、政策制定者和运营者。这种开放共享有助于加速气候行动。但需注意，模型主要依赖NASA的EMIT仪器数据，其覆盖范围和分辨率可能有限，且模型检测到的羽流仍需地面验证，因此实际应用中应结合多源数据。
Q&A
MAPL-EMIT是什么？它由谁开发？
MAPL-EMIT是一个用于从太空追踪全球甲烷排放的AI模型，由谷歌与美国宇航局喷气推进实验室（JPL）联合开发。
MAPL-EMIT是如何训练的？
该模型使用了360万个物理模拟的甲烷羽流进行训练，以学习识别复杂地形中的甲烷排放。
MAPL-EMIT相比人类专家有什么优势？
MAPL-EMIT能比人类专家多识别50%的甲烷羽流，并额外发现超过2.3万个排放源，包括全球25个最大垃圾填埋场中的24个。
为什么追踪甲烷排放很重要？
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。追踪甲烷排放有助于减缓气候变化。
MAPL-EMIT的数据和工具是否公开？在哪里可以获取？
是的，全球羽流数据库已在Google Earth Engine上发布，并提供了可视化应用。开源模型可在Kaggle上获取，推理工具在GitHub上可用。
MAPL-EMIT如何帮助气候缓解行动？
通过大规模地使甲烷排放源更容易被发现，MAPL-EMIT能够支持更快、更有针对性的气候缓解措施。
