虽然我们知道塑料对海洋生物是可怕的，但在海洋中检测塑料污染是出了名的挑战。塑料有很多种颜色，可以分解成微观尺寸，并且是由各种化学物质制成的。使问题更加严重的是浩瀚的海洋，每年有数百万吨的塑料被添加到海洋中。
重要的是确定海洋的哪些部分收集的塑料最多，以便有效地进行清理和污染预防工作。用机器学习支持的卫星是否可以完成追踪塑料污染的海洋任务？根据最近发表在“自然通讯”(NatureCommunications)上的研究，是的。
英国普利茅斯海洋实验室(PlymouthMarineLaboratory)的一组科学家测试了欧洲航天局(EuropeanSpaceAgency)运营的两颗卫星的数据是否可以使用一种用于检测塑料的机器学习算法进行分析。在这项研究中使用的两颗哨兵-2卫星都配备了12波段多光谱仪器(MSI)传感器，它们收集的数据可以达到10米的分辨率。在这两颗卫星的共同努力下，每隔2至5天，就会从世界各地的所有沿海地点重复收集数据。换句话说，世界上陆地与海洋相遇的每个地方每个月都会被重新成像6到15次-这是大量的数据！
卫星收集光信号的数据，以及其他东西。可以使用光信号基于材料反射的光波长来区分材料。虽然清澈的水能有效吸收近红外(NIR)到短波红外(SWIR)光线范围内的光，但漂浮材料(如塑料和天然碎片)会反射近红外。光吸收的这些差异使卫星能够探测到来自太空的漂浮物。
各种漂浮物的近红外信号各不相同。利用卫星数据，研究人员训练了一种机器学习算法，通过在希腊海岸释放一个塑料浮标，并从卫星获得相关的光信号数据，来识别漂浮塑料的光信号。研究人员使用这些光数据来教导将某些近红外光信号与漂浮的塑料碎片相关联的算法。同样，他们也教会了这种算法来区分塑料和天然材料，如海草、浮木和海藻。
一旦算法启动并运行，研究人员就将其与来自全球四个地方的沿海水域的卫星数据进行测试：阿克拉(加纳)，圣胡安群岛(加拿大)，达南(越南)和苏格兰(英国)。总体而言，该算法检测到塑料的准确率为86%。更好的是，该算法在分析来自圣胡安群岛的数据时是%准确的。对于从几千英里以上收集的数据来说还不算太糟！
重要的是，该算法可以根据提供的卫星数据定位尺寸大于5mm或更大的塑料碎片。然而，正是这些漂浮的“宏观塑料”形成了许多有害的微型塑料。这些结果表明，卫星数据与机器学习算法相结合，可以帮助跟踪和随后清理世界各地的塑料污染。
