英國《科學報告》雜志4月23日發(fā)表的一項環(huán)境學研究，英國人工智能團隊報告了一種能檢測海洋環(huán)境中大塑料(大于5毫米)漂浮垃圾帶的新方法。研究人員利用歐洲空間局“哨兵2”號衛(wèi)星數(shù)據(jù)，訓練機器學習算法將塑料從其他材料中區(qū)分出來，平均準確率達86%，局部區(qū)域最高達到了100%。
人類活動與垃圾排放，讓大量塑料涌入海洋，如何將塑料從其它漂浮物中準確高效鑒別出來成為難題。鑒于漂浮物吸收和反射的可見光與紅外光波長各有所異，英國普利茅斯海洋實驗室研究人員勞倫·比爾曼及其同事利用這種光譜特征，在“哨兵2”號數(shù)據(jù)中識別出了漂浮物帶。研究團隊隨后訓練了一種機器學習算法，能根據(jù)不同塑料和天然材料的特定光譜特征，為組成這些漂浮帶的個體材料進行分類。
機器學習算法利用到的這些特征，是來自于2019年4月24日沖到南非德班港的塑料垃圾的衛(wèi)星數(shù)據(jù)，以及研究團隊2018年和2019年在米蒂利尼海岸(希臘)部署的漂浮塑料的衛(wèi)星數(shù)據(jù)。他們還利用了之前獲得的、可能會與海洋塑料同時發(fā)現(xiàn)的海藻、木質(zhì)物、泡沫和火山巖等天然材料的衛(wèi)星數(shù)據(jù)。
研究團隊利用四個不同地區(qū)沿岸海域的“哨兵2”號數(shù)據(jù)測試了這種方法：阿克拉(加納)、圣胡安島(加拿大)、峴港(越南)和蘇格蘭東部(英國)。該方法能以86%的平均準確率成功將四個地方的塑料從其他漂浮材料或海水中區(qū)分出來，在圣胡安島的準確率更是達到了100%。
該研究結果表明，這種方法在四個不同的海岸帶都取得了成功。研究人員希望這種方法可以與無人機或高分辨率衛(wèi)星聯(lián)用，提高對海洋塑料垃圾的全球監(jiān)測。(張夢然)
