英國《科學報告》雜志 4 月 23 日發表的一項環境學研究，英國人工智能團隊報告了一種能檢測海洋環境中大塑料(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”號衛星數據，訓練機器學習算法將塑料從其他材料中區分出來，平均準確率達 86%，局部區域最高達到了 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”號數據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星數據，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星數據。他們還利用了之前獲得的、可能會與海洋塑料同時發現的海藻、木質物、泡沫和火山巖等天然材料的衛星數據。

　　研究團隊利用四個不同地區沿岸海域的“哨兵2”號數據測試了這種方法：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星聯用，提高對海洋塑料垃圾的全球監測。
　　（邯鄲網站開發）