谷歌研究：利用深度学习结合卫星遥感测绘全球甲烷排放

谷歌研究团队在《美国国家科学院院刊》（PNAS）发表研究，推出基于深度学习的全球甲烷点源监测框架 MAPL-EMIT，为利用天基高光谱遥感规模化追踪温室气体排放提供了自动化分析方案。

• 甲烷在百年尺度上的温室效应约为二氧化碳的 30 倍，自工业时代以来驱动了约 25% 的人为变暖，全球已有超过 125 个国家签署「全球甲烷承诺」并设定了 2030 年减排目标。
• MAPL-EMIT 框架利用国际空间站搭载的 NASA EMIT 成像光谱仪数据，通过深度学习模型自动化完成羽流检测、增强量化与排放源定位。
• 该方案重点覆盖能源基础设施、垃圾填埋场及农业设施等高排放点源，旨在解决传统高光谱数据依赖人工或半自动筛查、难以全球常态化规模监测的瓶颈。
• 影响/看点：该技术若能与更多在轨高光谱卫星常态化结合，可能为全球气候履约与点源减排核查提供高频、低成本的自动化监测支持，其实际效果取决于在复杂地表背景下的抗干扰能力与实测校准精度。
• 资料依据:
• Google Research Blog（2026-09-01）：https://research.google/blog/mapping-global-methane-emissions-from-space-with-deep-learning/

本内容由 AI 生成，仅供参考，请注意甄别