英國《科學報告》雜志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%。