El metano es el segundo gas de efecto invernadero más grande. La detección de super-emisores de metano y la cuantificación de sus tasas de emisión son necesarias para la implementación de políticas de reducción de emisiones de metano para mitigar el calentamiento global. Satélites de alta resolución espectral como Gaofen-5 (GF-5), EMIT, GHGSat y MethaneSAT se han utilizado con éxito para detectar y cuantificar fugas de fuentes puntuales de metano. En este estudio, se mejora un algoritmo de filtro adaptado (MF) utilizando datos del instrumento EMIT y se aplica a datos del Imager Hiperespectral Avanzado (AHSI) a bordo del satélite Ziyuan-1 (ZY-1). La validación mediante comparación con los productos L2 XCH de EMIT muestra el buen rendimiento del algoritmo MF mejorado, a pesar de la menor resolución espectral de AHSI/ZY-1 en comparación con otros imagers de fuentes puntuales. El algoritmo MF mejorado aplicado a los datos de AHSI/ZY-1 se utilizó para detectar y cuantificar super-emisores de metano en regiones de puntos calientes de metano a nivel global. Los resultados muestran que el algoritmo MF mejorado suprime efectivamente el ruido en los resultados de recuperación sobre superficies terrestres y oceánicas, mejorando la robustez del algoritmo. Se detectaron dieciséis plumas de metano en regiones de puntos calientes globales, originadas en minas de carbón, campos de petróleo y gas, y vertederos, con tasas de emisión que varían de 0.57 a 78.85 t/h. La pluma más grande se ubicó en un campo de petróleo y gas en alta mar en el Golfo de México, con emisiones instantáneas casi iguales al total combinado de las otras 15 plumas. Los hallazgos demuestran que AHSI, a pesar de su menor resolución espectral, puede detectar fuentes con tasas de emisión tan pequeñas como 571 kg/h y lograr velocidades de recuperación más rápidas, mostrando un potencial significativo para el monitoreo global del metano. Además, este estudio destaca la necesidad de centrarse en las emisiones de metano de fuentes marinas, junto con las fuentes terrestres, para implementar estrategias de reducción de manera eficiente.