用深度学习从太空绘制全球甲烷排放地图

谷歌研究团队提出 MAPL-EMIT 深度学习框架，可自动检测、量化并溯源全球甲烷羽流，在专家标注羽流上召回率达 84%，信噪比优于现有匹配滤波方法。该模型基于 EMIT 高光谱数据，使用 Swin-S 视觉 Transformer 结合空间上下文，并借助 360 万个物理模拟注入真实场景的合成羽流训练。团队将在 Earth Engine 发布全球羽流数据库，并在 Kaggle 与 GitHub 开放模型、合成羽流和推理库。