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

首次發布 2026年9月9日 18:15 [UTC]傳播指數 34

Google 與 NASA JPL 推出深度學習模型 MAPL-EMIT，利用太空儀器追蹤全球甲烷排放。模型經 360 萬個模擬羽流訓練，檢出量比專家高出 50%，在全球額外識別出超 2.3 萬處羽流。相關模型與工具已在 Kaggle 和 GitHub 開源。

MAPL-EMIT 是 Google 與 NASA JPL 聯合打造的開源深度學習模型，能直接通過 NASA 的 EMIT 太空儀器資料，自動識別和追蹤全球範圍內的甲烷排放羽流。

怎麼跑出這些資料的

傳統人工篩查複雜地形上的甲烷背景非常吃力，而 MAPL-EMIT 使用了 360 萬個基於物理模擬的甲烷羽流進行訓練。在實際檢測中，它的羽流檢出量比人類專家高出 50%，在全球範圍內額外識別出超 2.3 萬處甲烷羽流，甚至直接鎖定了全球 25 個最大排放垃圾填埋場中的 24 個。

目前 Google 已經在 Earth Engine 上線了全球羽流資料庫和視覺化應用。模型的權重已在 Kaggle 開源，配套的推理工具則可以直接在 GitHub 下載使用。

對於從事氣候科研、環境政策制定或者基礎設施排查的團隊來說，MAPL-EMIT 是一套開箱即用的太空遙感監測工具，省去了自行標註海量遙感資料的極高成本。

我們認為，用物理模擬資料解決真實標註樣本稀缺的思路非常聰明。它把過去高度依賴專家肉眼排查的低效流程，變成了一套可規模化落地的自動化管線，能讓大量溫室氣體洩漏以更快的速度被定位和治理。