Google 联手 NASA 推出 MAPL-EMIT：太空抓甲烷，检出率超人工 50%

首次发布 2026年9月9日 UTC 18:15传播指数 34

Google 与 NASA JPL 推出深度学习模型 MAPL-EMIT，利用太空仪器追踪全球甲烷排放。模型经 360 万个模拟羽流训练，检出量比专家高出 50%，在全球额外识别出超 2.3 万处羽流。相关模型与工具已在 Kaggle 和 GitHub 开源。

MAPL-EMIT 是 Google 与 NASA JPL 联合打造的开源深度学习模型，能直接通过 NASA 的 EMIT 太空仪器数据，自动识别和追踪全球范围内的甲烷排放羽流。

怎么跑出这些数据的

传统人工筛查复杂地形上的甲烷背景非常吃力，而 MAPL-EMIT 使用了 360 万个基于物理模拟的甲烷羽流进行训练。在实际检测中，它的羽流检出量比人类专家高出 50%，在全球范围内额外识别出超 2.3 万处甲烷羽流，甚至直接锁定了全球 25 个最大排放垃圾填埋场中的 24 个。

目前 Google 已经在 Earth Engine 上线了全球羽流数据库和可视化应用。模型的权重已在 Kaggle 开源，配套的推理工具则可以直接在 GitHub 下载使用。

对于从事气候科研、环境政策制定或者基础设施排查的团队来说，MAPL-EMIT 是一套开箱即用的太空遥感监测工具，省去了自行标注海量遥感数据的极高成本。

我们认为，用物理模拟数据解决真实标注样本稀缺的思路非常聪明。它把过去高度依赖专家肉眼排查的低效流程，变成了一套可规模化落地的自动化管线，能让大量温室气体泄漏以更快的速度被定位和治理。