GoogleとNASA、宇宙からメタン排出を検知するAIモデル発表

Google ResearchとNASAのジェット推進研究所（JPL）は、宇宙観測データから地球規模のメタン排出を高精度に検知・追跡する深層学習AIモデル「MAPL-EMIT」を発表した。強力な温室効果ガスであるメタンの排出源を迅速に特定することで、世界規模での気候変動対策と排出削減アクションを加速させる狙いがある。

360万件のシミュレーション学習と高い検知性能

本研究成果は米科学アカデミー紀要（PNAS）に掲載された。MAPL-EMITは、NASAが国際宇宙ステーション（ISS）に設置した地球表面鉱物ダスト源調査観測機器「EMIT（NASAがISSに搭載した分光放射計観測機器）」のデータを活用している。

メタンは100年の時間軸において二酸化炭素の約30倍もの地球温暖化係数を持つ強力な温室効果ガスである。MAPL-EMITは、360万件に及ぶ物理シミュレーションによって生成されたメタンブルーム（大気中に放出されたメタンガスの雲）のデータで事前学習されている。これにより、地上のノイズが多い複雑な地形環境下でもメタンを識別可能となった。

検証結果において、人間の専門家による分析と比較して50%多くプルームを検出し、世界全体で2万3,000件以上の追加プルームを特定した。さらに、世界最大級のメタン排出埋立地トップ25のうち24件を正確に特定する成果を挙げている。

データと推論ツールのオープン公開

Googleは、観測・検知されたグローバルなメタンブルームのデータベースを「Google Earth Engine」上で公開した。また、データのインタラクティブな可視化が可能な「Earth Engineアプリ」も提供している。

さらに、研究者や政策決定者、排出施設の管理者を支援するため、オープンソースのモデル重みをKaggleで公開し、推論パイプラインツールをGitHub（google-research/mapl）で提供している。

技術的特徴と今後の確認事項

従来の衛星によるメタン検知では、観測データから人間の専門家が目視や手作業のアルゴリズムでプルームを拾い出す必要があり、解析の遅延や小規模な漏出の見落としが課題であった。MAPL-EMITは物理シミュレーションと深層学習を組み合わせることで、自動化と検出率の大幅向上を両立させている。

一方で、本発表における未確認事項として、宇宙からの観測頻度や天候（雲に覆われた地域など）による検知制約、リアルタイムでの漏出警報への反映速度などが挙げられる。日本の読者や自治体・エネルギー事業者にとっても、廃棄物処理場やガスインフラの点検において、宇宙からの衛星データとAI解析を組み合わせた環境モニタリング基盤の導入が進むかが関心点となる。

気候変動対策におけるAI活用の意義

メタンは温室効果が極めて高い一方で、大気中の滞留期間が二酸化炭素に比べて短いため、早期に漏出を発見して対策を講じることが短期的な温暖化抑制に直結する。GoogleとNASAによる今回の成果は、研究用コードとデータセットをオープンソースおよび無償のクラウドアプリとして一般公開した点に大きな価値がある。今後は各国の環境規制当局やインフラ企業がこれらのツールを監視運用に組み込み、実効性のある排出削減へとつなげられるかが成功の鍵となる。

引用元：Google