在英國《科學報告》雜志4月23日發(fā)表的一項環(huán)境研究報告中，英國人工智能小組報告了一種新方法，可以檢測海洋環(huán)境中大型塑料（5毫米以上）漂浮垃圾帶。研究人員利用歐洲航天局的“哨兵2號”衛(wèi)星數(shù)據訓練機器學習算法，將塑料與其他材料區(qū)分開來。平均準確率為86%，局部達到最大100%。螺桿泵

人類的活動和垃圾的排放已經導致許多塑料流入海洋。如何準確有效地識別漂浮物中的塑料已成為一個難題。鑒于漂浮物吸收和反射的可見光和紅外光波長不同，英國普利茅斯海洋實驗室的勞倫特·比爾曼和同事利用這一光譜特征對“哨兵2號”目標帶數(shù)據中的漂浮物進行了識別。研究小組隨后訓練了一種機器學習算法，根據不同塑料和天然材料的特定光譜特性，對構成這些漂浮帶的各種材料進行分類。不銹鋼磁力泵

機器學習算法使用的這些特征來自于2019年4月24日被沖入南非德班港的塑料垃圾衛(wèi)星數(shù)據，以及2018年和2019年部署在米蒂利尼海岸（希臘）海岸的漂浮塑料衛(wèi)星數(shù)據。他們還利用了先前獲得的有關天然材料的衛(wèi)星數(shù)據，如海藻、泡沫、木材和火山巖，這些材料可能與海洋塑料同時被發(fā)現(xiàn)。計量泵

研究小組使用哨兵2號在四個不同地區(qū)的沿海水域的數(shù)據測試了這種方法：阿克拉（加納）、峴港（越南）、圣胡安島（加拿大）和東蘇格蘭（英國）。該方法能成功地將四個位置的塑料與其它漂浮物或海水區(qū)分開來，平均準確率達86%，在圣胡安島的準確率達到100%。離心泵

研究結果表明，該方法在四個不同的海岸帶上取得了成功。研究人員希望這種方法可以與無人機或高分辨率衛(wèi)星結合使用，以改善對海洋塑料廢物的全球監(jiān)測。排污泵