大家应该很清楚，塑料垃圾一直是海洋生物的严重威胁，但迄今为止，我们仍然很难检测到海洋中的塑料污染。塑料有多种颜色、尺寸和类型，而且大多数是由多种化学物质制成的。更糟糕的是，地球海洋广阔，每年新增的数百万吨塑料很快就会遍布各处，这种“大塑料”会逐渐分解成微小的塑料碎片，难以追踪，对海洋生物构成致命威胁。只有确定海域中发现塑料最多的地方，才能制定有针对性的清洁和污染预防措施。根据近期《自然通讯（Scientific Reports）》期刊发表的最新研究成果，基于机器学习的气象卫星可以胜任追踪海洋环境中塑料污染的任务。英国普利茅斯海洋实验室的一组科学家对此进行了测试，他们使用训练有素的机器学习算法来分析由欧洲航天局运营的两颗卫星发回的数据，以寻找与塑料垃圾相关的线索。▲图片：气象卫星的主要职责是基于绕地球轨道观测强大的雷暴和龙卷风。图片来源/NASA本研究使用的两颗哨兵二号卫星配备了12波段多光谱仪器（MSI）传感器，可以采集以10米为基本像素单位率图像的海面高分辨率图像。在两颗卫星的协同努力下，该系统每2-5天可重复采集全球沿海地区的数据。也就是说，这个系统每个月可以收集到地球上所有相邻海域位置的6-15张全景图像——这是一个很大的数据量！卫星收集包括光信号在内的多种数据类型，并根据物体反射的光信号的波长来区分物体的具体材料。从理论上讲，清澈的海水可以有效吸收近红外（NIR）到短波红外（SWIR）光谱范围内的光波，而塑料和天然碎片等漂浮物则反射大量的近红外光波。这种光吸收水平的差异也让卫星在理论上获得了探测海面漂浮物体的能力。不同漂浮物的近红外信号也不同。利用卫星数据，研究人员训练了一种机器学习算法，成功地从卫星捕获的光信号数据中识别出漂浮塑料的光信号，进而发现了希腊海岸周围的塑料漂浮区域。研究人员还使用这些光数据来教授算法，将某些近红外光特征与漂浮的塑料碎片相关联。同样，该算法逐渐学会了如何将塑料与海藻、浮木和聚苯乙烯泡沫塑料等天然物质区分开来。▲图片：卫星每隔2-5天重复拍摄全球沿海地区的照片，从而收集到大量可用于追踪海洋塑料污染的数据。算法启动并运行后，研究人员开始使用来自世界四个主要沿海水域的卫星数据对其进行测试：阿克拉（加纳）、圣瑞安群岛（加拿大）、岘港（越南）和苏格兰（英国）。总体而言，该算法能够以86%的准确率识别塑料污染，这在分析圣胡安群岛的数据时达到了100%的准确率。此外，该算法还可以根据卫星数据定位尺寸≥5mm的塑料碎片。正是这种“大塑料”逐渐分解成小塑料碎片，对海洋生物构成了致命威胁。上述结果也表明，将卫星数据与机器学习算法相结合，确实可以帮助人类追踪和清理全球塑料污染问题。
