科技行者 5月18日 北京消息：大家應該都很清楚，塑料垃圾對于海洋生物一直是種可怕的威脅，然而目前為止，我們依然很難檢測到海洋中的塑料污染狀況。

塑料制品往往色彩多樣，不同尺寸，不同類型，大多數(shù)由多種化學物質制成，更糟糕的是，地球上的海洋區(qū)域廣闊無垠，每年新增的數(shù)百萬噸塑料很快就會四散蔓延，這種“大塑料”會逐漸分解成細小的塑料塊，難以循跡，給海洋生物造成致命威脅。

而只有確定海洋區(qū)域內哪些位置的塑料制品最多，才能制定出有針對性的清潔與污染預防舉措。

根據(jù)近期《自然通訊（Scientific Reports）》期刊上發(fā)表的最新研究結果顯示，以機器學習為基礎的氣象衛(wèi)星，可以搞定海洋環(huán)境塑料污染的追蹤任務。

英國普利茅斯海洋實驗室的一支科學家小組就此進行測試，利用經(jīng)過訓練的機器學習算法分析由歐洲航天局運行的兩顆衛(wèi)星發(fā)回的數(shù)據(jù)，從而找出與塑料垃圾相關的蛛絲馬跡。

▲ 圖：氣象衛(wèi)星的主責，本是立足環(huán)地球軌道，觀察威力強大的雷暴與龍卷風。圖片來源/美國航空航天局（NASA）

本次研究中使用的兩顆Sentinel-2衛(wèi)星，均配備有12波段多光譜儀（MSI）傳感器，能夠以10米為基本像素單位，收集海面上的高分辨率圖像。在兩顆衛(wèi)星的協(xié)同努力下，系統(tǒng)每隔2-5天，即可從世界各地的沿海區(qū)域內重復收集數(shù)據(jù)。換句話說，這套系統(tǒng)每個月能夠對地球上所有鄰海位置進行6-15次全景圖像收集——這可是一大批數(shù)據(jù)！

衛(wèi)星會收集包括光信號在內的多種數(shù)據(jù)類型，并根據(jù)對象反射的光信號波長，區(qū)分目標的具體材質。從原理層面來看，清澈的海水能夠高效吸收近紅外（NIR）到短波紅外（SWIR）光譜范圍內的光波，而塑料及天然碎屑等漂浮物則會大量反射近紅外光波。這種光吸收水平層面的差異，也讓衛(wèi)星在理論上獲得了檢測海面漂浮物的能力。

不同漂浮物的近紅外信號也有所區(qū)別。研究人員利用衛(wèi)星數(shù)據(jù)，訓練出一種機器學習算法，成功地從衛(wèi)星捕捉到的光信號數(shù)據(jù)中，識別出漂浮塑料的光信號，進而發(fā)現(xiàn)了希臘海岸周邊存在的塑料漂浮區(qū)。研究人員們還利用這類光數(shù)據(jù)，教會了算法將某些近紅外光信號與漂浮的塑料碎片關聯(lián)起來。同樣的，算法也逐步學會了如何區(qū)分塑料與天然物質（例如海藻，浮木，以及泡沫塑料等）。

▲ 圖：衛(wèi)星每2-5天對世界范圍內各沿海地區(qū)進行重復拍攝，借此收集大量可用于跟蹤海洋內塑料污染狀況的數(shù)據(jù)。

在算法開始運行之后，研究人員開始利用來自全球四大沿海水域的衛(wèi)星數(shù)據(jù)進行測試，分別為：阿克拉（加納）、圣克安群島（加拿大）、達南（越南）以及蘇格蘭（英國）?？傮w而言，該算法能夠以86%的準確度識別出塑料污染，該算法在分析圣胡安群島的數(shù)據(jù)時帶來了100%準確度。

此外，該算法還能根據(jù)衛(wèi)星數(shù)據(jù)，定位尺寸≥5毫米的塑料碎片，正是這類“大塑料” 逐漸分解成細小的塑料塊，給海洋生物造成了致命威脅。上述結果也表明，將衛(wèi)星數(shù)據(jù)與機器學習算法結合，確實能幫助人類跟蹤并清理全球塑料污染難題。