구글·NASA, 메탄 누출 탐지 AI 'MAPL-EMIT' 공개

구글 리서치와 NASA JPL이 국제우주정거장(ISS)의 초분광 장비 EMIT 데이터를 분석해 메탄 누출을 자동 탐지하는 딥러닝 모델 MAPL-EMIT을 공개했다. 이 연구는 PNAS 2026에 게재되었으며, 기존 전문가 수작업 방식 대비 약 1.5배 많은 메탄 플룸을 발견하는 성과를 거두었다.

기술적 접근 및 학습 데이터

MAPL-EMIT은 Swin Transformer V2와 U-Net을 결합한 아키텍처를 사용한다. 기존 방식이 지표면 유사 스펙트럼으로 인한 오탐지 문제를 겪었던 것과 달리, 이 모델은 원본 복사휘도(radiance)를 입력받아 농도, 플룸 경계, 발생원 위치를 동시에 추정한다. 학습에는 Lagrangian puff 모델과 Simplex noise를 활용해 생성한 360만 개의 합성 플룸 데이터셋이 사용되었으며, 이를 통해 전문가 라벨링 없이도 물리 법칙(HITRAN2020, Beer-Lambert 법칙)에 기반한 정확한 탐지가 가능하도록 설계되었다.

성능 및 검증 결과

실제 관측 데이터(NASA L2B)와의 비교에서 MAPL-EMIT은 총 2,210개의 플룸을 탐지해 기존 L2B 데이터의 1,580개보다 약 1.4배 많았다. 특히 저농도 구간(0-50ppm-m)에서 기존 방식 대비 2.9배 많은 플룸을 포착했다. 세계 최대 메탄 배출 매립지 25곳 중 **24곳(96%)**을 검출했으며, 항공 관측 데이터(AVIRIS-3)와의 대조에서도 높은 신호대잡음비(SNR 8.60)와 형태 정확도를 보였다. 통제된 방출 실험에서는 비방출 시 오탐지 0건을 기록하며 신뢰성을 입증했다.

공개 자산 및 활용

모델과 데이터셋은 오픈소스로 공개되어 연구 및 상업적 활용이 가능하다.

• GitHub: 추론 라이브러리 (Apache 2.0)
• Kaggle: TensorFlow SavedModel 및 360만 합성 플룸 데이터셋
• Earth Engine: 전 지구 플룸 데이터베이스 (CC BY 4.0)

구글은 2028년 발사 예정인 차세대 분광계(SBG) 임무와 연계해 커버리지를 30~50배 확대할 계획이다. 다만, 모델이 출력하는 농도(ppm-m)와 실제 배출률(kg/hr) 사이의 변환에는 불확실성이 존재하며, 최종적인 감축 행동은 인간의 판단이 필요하다.