大家應該都很清楚，塑料垃圾對于海洋生物一直是種可怕的威脅，然而目前為止，我們依然很難檢測到海洋中的塑料污染狀況。

塑料制品往往色彩多樣，不同尺寸，不同類型，大多數由多種化學物質制成，更糟糕的是，地球上的海洋區域廣闊無垠，每年新增的數百萬噸塑料很快就會四散蔓延，這種“大塑料”會逐漸分解成細小的塑料塊，難以循跡，給海洋生物造成致命威脅。

而只有確定海洋區域內哪些位置的塑料制品最多，才能制定出有針對性的清潔與污染預防舉措。

根據近期《自然通訊（Scientific Reports）》期刊上發表的最新研究結果顯示，以機器學習為基礎的氣象衛星，可以搞定海洋環境塑料污染的追蹤任務。

英國普利茅斯海洋實驗室的一支科學家小組就此進行測試，利用經過訓練的機器學習算法分析由歐洲航天局運行的兩顆衛星發回的數據，從而找出與塑料垃圾相關的蛛絲馬跡。

[[326572]]

▲ 圖：氣象衛星的主責，本是立足環地球軌道，觀察威力強大的雷暴與龍卷風。圖片來源/美國航空航天局（NASA）

本次研究中使用的兩顆Sentinel-2衛星，均配備有12波段多光譜儀（MSI）傳感器，能夠以10米為基本像素單位，收集海面上的高分辨率圖像。在兩顆衛星的協同努力下，系統每隔2-5天，即可從世界各地的沿海區域內重復收集數據。換句話說，這套系統每個月能夠對地球上所有鄰海位置進行6-15次全景圖像收集——這可是一大批數據！

衛星會收集包括光信號在內的多種數據類型，并根據對象反射的光信號波長，區分目標的具體材質。從原理層面來看，清澈的海水能夠高效吸收近紅外（NIR）到短波紅外（SWIR）光譜范圍內的光波，而塑料及天然碎屑等漂浮物則會大量反射近紅外光波。這種光吸收水平層面的差異，也讓衛星在理論上獲得了檢測海面漂浮物的能力。

不同漂浮物的近紅外信號也有所區別。研究人員利用衛星數據，訓練出一種機器學習算法，成功地從衛星捕捉到的光信號數據中，識別出漂浮塑料的光信號，進而發現了希臘海岸周邊存在的塑料漂浮區。研究人員們還利用這類光數據，教會了算法將某些近紅外光信號與漂浮的塑料碎片關聯起來。同樣的，算法也逐步學會了如何區分塑料與天然物質（例如海藻，浮木，以及泡沫塑料等）。

[[326573]]

▲ 圖：衛星每2-5天對世界范圍內各沿海地區進行重復拍攝，借此收集大量可用于跟蹤海洋內塑料污染狀況的數據。

在算法開始運行之后，研究人員開始利用來自全球四大沿海水域的衛星數據進行測試，分別為：阿克拉（加納）、圣克安群島（加拿大）、達南（越南）以及蘇格蘭（英國）。總體而言，該算法能夠以86%的準確度識別出塑料污染，該算法在分析圣胡安群島的數據時帶來了100%準確度。

此外，該算法還能根據衛星數據，定位尺寸≥5毫米的塑料碎片，正是這類“大塑料” 逐漸分解成細小的塑料塊，給海洋生物造成了致命威脅。上述結果也表明，將衛星數據與機器學習算法結合，確實能幫助人類跟蹤并清理全球塑料污染難題。