MAPL-EMIT、360万件の模擬プルームで衛星メタン検出を訓練——モデルと全球データも同時公開

GoogleとNASAジェット推進研究所（NASA JPL）はMAPL-EMITを公開し、従来は人手による判読に大きく依存していた衛星メタン探索を、バッチ処理可能な深層学習パイプラインへと転換した。このシステムは、国際宇宙ステーションに搭載されたEMIT観測装置のハイパースペクトルradianceを読み込む。EMITは1ピクセル約60メートル、観測幅約80キロメートルで、施設スケールのメタン・スペクトルを捉えられる一方、鉱物、地表物質、ノイズも類似した信号を生じさせる可能性がある。

モデルにはSwin-S Vision Transformerを採用した。単純なmatched filterをピクセルごとに適用するのではなく、スペクトル全体と周辺の空間形状を同時に利用し、風下へ拡散するプルームを識別する。1回の推論で3つのタスクを共同処理する。各ピクセルのmethane enhancement（メタン濃度増分）の推定、隣接または重複するプルームの分離、plume head／排出源位置の逆推定である。実データのアノテーションが不足しているため、研究チームはLagrangian puff modelで生成した360万件の物理シミュレーション・プルームを実際のEMITシーンに注入し、さまざまな風況、地形、排出強度を網羅した。

Googleが公開したPNAS版の結果によると、モデルは約1,100件のEMIT granuleから、専門家がアノテーションしたプルームの84％を再検出し、さらに約5割多い妥当な候補を見つけた。また、世界で排出量が最も多い25カ所の埋立地のうち24カ所も検出した。全球データベースはEarth Engineで公開され、モデルの重みと合成データはKaggleで提供されている。Apache 2.0ライセンスの推論コードは、tiled inference、重複排除、スペクトル検証に対応し、Parquet、プルームマスク、濃度、積算質量、およびERA5の風況データから推定した排出率を出力する。

ただし、これは排出責任を自動的に確定するシステムではない。訓練は主に合成プルームに依存しており、実際の大気条件や観測装置のドリフトによってdomain gapが生じる可能性がある。また、高い再現率は複雑な地表における偽陽性も増幅させる。利用者は、単発のモデル出力をそのまま規制上の証拠とするのではなく、spectral-fitの信頼度スコア、反復観測、地上検証を併用すべきである。