Метан — один из самых опасных парниковых газов: его потенциал потепления в 30 раз выше, чем у углекислого газа, и на его долю приходится около 25% антропогенного потепления с начала индустриальной эпохи. В отличие от CO2, метан живёт в атмосфере недолго, поэтому сокращение его выбросов считается одним из самых быстрых способов замедлить глобальное потепление. Более 125 стран подписали Global Methane Pledge, обязавшись снизить выбросы на 30% к 2030 году, но для контроля за исполнением этих обязательств нужны инструменты, способные отслеживать точечные источники — от нефтегазовых объектов до свалок.
Для этого учёные используют спутниковые сенсоры, такие как EMIT (Earth Surface Mineral Dust Source Investigation) на борту Международной космической станции. Изначально EMIT создавался для картирования минералов в засушливых регионах, но его гиперспектральные возможности позволяют фиксировать уникальные спектральные следы метана. Однако обработка этих данных в глобальном масштабе — сложная задача: ландшафты Земли разнообразны, а некоторые поверхности могут имитировать спектральную сигнатуру метана, что приводит к ложным срабатываниям.
В статье, опубликованной в Proceedings of the National Academy of Sciences (PNAS), исследователи Google и NASA JPL представили модель MAPL-EMIT (Methane Analysis and Plume Localization with EMIT). Это end-to-end vision transformer на основе архитектуры Swin-S, который обрабатывает не отдельные пиксели, а полный спектр света вместе с пространственным контекстом. Такой подход позволяет модели отличать метановый шлейф, разносимый ветром, от участка земли со схожим спектром. В результате MAPL-EMIT достигает recall 84% на размеченных экспертами шлейфах и обеспечивает лучшее соотношение сигнал/шум по сравнению с традиционными методами, основанными на matched-filter.
Метан ответственен примерно за 25% антропогенного потепления, его потенциал в 30 раз выше, чем у CO2.
Разработчики открыли доступ к результатам: база данных глобальных шлейфов доступна на Earth Engine, модель и синтетические шлейфы — на Kaggle, а библиотека для инференса — на GitHub. Это позволит другим исследователям и регуляторам использовать модель для мониторинга выбросов в реальном времени.
Работа MAPL-EMIT — часть более широкой инициативы Google Earth ИИ, которая объединяет геопространственные модели и данные для превращения планетарных данных в практические инструменты. По словам авторов, сочетание глубокого обучения и спутниковой съёмки открывает новые возможности для экологического мониторинга, особенно в таких сложных сценариях, как плотные промышленные зоны, где выбросы от множества соседних объектов перекрываются.
Хотя EMIT изначально не был предназначен для обнаружения метана, его гиперспектральные возможности оказались востребованными. В будущем подобные модели могут быть адаптированы для работы с данными других сенсоров, что позволит расширить глобальный охват и повысить точность оценок выбросов парниковых газов.
