衛星データでメタン排出源を検出するMAPL-EMIT、全球データを公開

発表の概要

Google ResearchとNASAジェット推進研究所（JPL）は、国際宇宙ステーションに搭載された観測装置EMITのデータを使い、メタンの噴出（プルーム）を自動で検出・定量化する深層学習モデル「MAPL-EMIT」を開発した。成果は米国科学アカデミー紀要（PNAS）に発表された。あわせて、地球全体のメタンプルームのデータベースがGoogle Earth Engine上で公開されている。

メタンは二酸化炭素の約30倍の温室効果を持ち、産業革命以降に人間活動がもたらした温暖化の約25％を占めるとされる。排出源を素早く特定できれば、短期的な気温上昇を抑える効果的な対策になる。世界では125以上の国と地域が2030年までに排出量を30％削減する「グローバル・メタン・プレッジ」を掲げており、実効性のある排出源管理が求められている。

空間文脈を捉える技術

MAPL-EMITは、画像認識などで広く使われるビジョントランスフォーマーの一種（Swin-Sトランスフォーマー）を基盤としている。従来の手法が個々のピクセルのスペクトル情報を独立に解析するのに対し、MAPL-EMITは周辺の空間的な文脈を同時に処理する。これにより、風に流れるメタンプルームが本来持つ形状を手がかりに、似たスペクトルを持つ地表の物体による誤検出を避けやすくなる。

さらに、MAPL-EMITは次の3つのタスクを同時に解く。各ピクセルのメタン量を推定する「定量化」、プルームの正確な輪郭を抽出する「領域分割」、拡散したガスを遡って排出源を推定する「発生源特定」である。重なり合った複数のプルームでもそれぞれの発生源を推定できるのが特徴だ。

モデルの学習には、実際のプルームのラベルが数百万件も存在しないという問題があり、物理シミュレーションで生成した360万件の合成プルームを実際のEMIT画像に重ねて学習させた。大気の乱流による拡散を再現する方法を導入することで、多様な地形や気象条件でメタンを検出できるようになったとみられる。

実データでの性能と課題

MAPL-EMITを実際のEMITデータに適用したところ、NASAが提供する専門家注釈付きのプルームを84%の再現率で検出した。さらに、約1100のEMIT画像（グラニュール）で、既存のマッチトフィルタ法より約50%多くの妥当なプルームを検出できたという。

さらに、世界のメタン排出量上位25の埋立地のうち24か所でプルームを検出しており、複雑な環境でも高い感度を発揮する。一方で、感度が高いがゆえに誤検出はまだ課題で、複雑な地形では特に誤検出が起こりやすい。そのため、各プルームには物理ベースの信頼度スコアが付けられ、利用者は検出数と誤検出のリスクを調整できる。

データ公開と今後

Googleは、今回の成果を広く活用してもらうため、全球プルームデータベースをEarth Engineで公開した。また、学習済みモデルと合成プルームデータはKaggleで、推論コードはGitHubで公開されており、研究者や企業が独自の分析に使える。

この取り組みは、気候変動や環境モニタリングを強化するGoogleの「Earth AI」構想の一環とも位置づけられている。NASAは次世代の撮像分光計で観測範囲を30〜50倍に広げる計画があり、その際にこのような自動処理の技術が重要になるとみられる。