海洋多參數(shù)濁度浮標(biāo)監(jiān)測(cè)系統(tǒng)

英國(guó)《科學(xué)報(bào)告》雜志4月23日發(fā)表了一項(xiàng)環(huán)境學(xué)研究，英國(guó)人工智能團(tuán)隊(duì)報(bào)告了一種能檢測(cè)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(hào)衛(wèi)星數(shù)據(jù)，訓(xùn)練機(jī)器學(xué)習(xí)算法將塑料從其他材料中區(qū)分出來(lái)，平均準(zhǔn)確率達(dá)86%，局部區(qū)域高達(dá)到了100。

人類活動(dòng)與垃圾排放，讓大量塑料涌入海洋，如何將塑料從其他漂浮物中準(zhǔn)確高效鑒別出來(lái)成為難題。鑒于漂浮物吸收和反射的可見(jiàn)光與紅外光波長(zhǎng)各有所異，英國(guó)普利茅斯海洋實(shí)驗(yàn)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(hào)數(shù)據(jù)中識(shí)別出了漂浮物帶。研究團(tuán)隊(duì)隨后訓(xùn)練了一種機(jī)器學(xué)習(xí)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(gè)體材料進(jìn)行分類。

海洋多參數(shù)濁度浮標(biāo)監(jiān)測(cè)系統(tǒng)

機(jī)器學(xué)習(xí)算法利用到的這些特征，是來(lái)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(tuán)隊(duì)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(huì)與海洋塑料同時(shí)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(tuán)隊(duì)利用四個(gè)不同地區(qū)沿岸海域的“哨兵2”號(hào)數(shù)據(jù)測(cè)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(guó)）。該方法能以86%的平均準(zhǔn)確率成功將四個(gè)地方的塑料從其他漂浮材料或海水中區(qū)分出來(lái)，在圣胡安島的準(zhǔn)確率更是達(dá)到了100。

該研究結(jié)果表明，這種方法在四個(gè)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(wú)人機(jī)或高分辨率衛(wèi)星聯(lián)用，提高對(duì)海洋塑料垃圾的監(jiān)測(cè)。