咱们应该都很清楚，塑料废物关于海洋生物一直是种可怕的要挟，但是目前为止，咱们仍然很难检测到海洋中的塑料污染情况。

塑料制品往往颜色多样，不同尺度，不同类型，大多数由多种化学物质制成，更糟糕的是，地球上的海洋区域广阔无垠，每年新增的数百万吨塑料很快就会四散延伸，这种“大塑料”会逐步分解成细微的塑料块，难以循迹，给海洋生物形成丧命要挟。

而只要确认海洋区域内哪些方位的塑料制品最多，才干拟定出有针对性的清洁与污染防备行动。

依据近期《天然通讯（Scientific Reports）》期刊上宣布的最新研讨成果显现，以机器学习为根底的气象卫星，可以搞定海洋环境塑料污染的追寻使命。

英国普利茅斯海洋实验室的一支科学家小组就此进行测验，运用经过训练的机器学习算法剖析由欧洲航天局运转的两颗卫星发回的数据，然后找出与塑料废物相关的蛛丝马迹。

▲ 图：气象卫星的主责，本是安身环地球轨迹，调查威力强壮的雷暴与龙卷风。图片来历/美国航空航天局（NASA）

本次研讨中运用的两颗Sentinel-2卫星，均配备有12波段多光谱仪（MSI）传感器，可以以10米为根本像素单位，搜集海面上的高分辨率图画。在两颗卫星的协同尽力下，体系每隔2-5天，即可从国际各地的滨海区域内重复搜集数据。换句话说，这套体系每个月可以对地球上一切邻海方位进行6-15次全景图画搜集——这但是一大批数据！

卫星会搜集包含光信号在内的多种数据类型，并依据方针反射的光信号波长，区别方针的详细原料。从原理层面来看，明澈的海水可以高效吸收近红外（NIR）到短波红外（SWIR）光谱范围内的光波，而塑料及天然碎屑等漂浮物则会很多反射近红外光波。这种光吸收水平层面的差异，也让卫星在理论上获得了检测海面漂浮物的才能。

不同漂浮物的近红外信号也有所区别。研讨人员运用卫星数据，训练出一种机器学习算法，成功地从卫星捕捉到的光信号数据中，识别出漂浮塑料的光信号，从而发现了希腊海岸周边存在的塑料漂浮区。研讨人员们还运用这类光数据，教会了算法将某些近红外光信号与漂浮的塑料碎片相关起来。相同的，算法也逐步学会了怎么区别塑料与天然物质（例如海藻，浮木，以及泡沫塑料等）。

▲图：卫星每2-5天对国际范围内各滨海地区进行重复拍照，借此搜集很多可用于盯梢海洋内塑料污染情况的数据。

在算法开端运转之后，研讨人员开端运用来自全球四大滨海水域的卫星数据进行测验，分别为：阿克拉（加纳）、圣克安群岛（加拿大）、达南（越南）以及苏格兰（英国）。整体而言，该算法可以以86%的准确度识别出塑料污染，该算法在剖析圣胡安群岛的数据时带来了100%准确度。

此外，该算法还能依据卫星数据，定位尺度≥5毫米的塑料碎片，正是这类“大塑料” 逐步分解成细微的塑料块，给海洋生物形成了丧命要挟。上述成果也标明，将卫星数据与机器学习算法结合，的确能协助人类盯梢并整理全球塑料污染难题。