人类活动与垃圾排放，让大量塑料涌入海洋，如何将塑料从其它漂浮物中准确高效鉴别出来成为难题。鉴于漂浮物吸收和反射的可见光与红外光波长各有所异，英国普利茅斯海洋实验室研究人员劳伦·比尔曼及其同事利用这种光谱特征，在“哨兵2”号数据中识别出了漂浮物带。研究团队随后训练了一种机器学习算法，能根据不同塑料和天然材料的特定光谱特征，为组成这些漂浮带的个体材料进行分类。
机器学习算法利用到的这些特征，是来自于2019年4月24日冲到南非德班港的塑料垃圾的卫星数据，以及研究团队2018年和2019年在米蒂利尼海岸(希腊)部署的漂浮塑料的卫星数据。他们还利用了之前获得的、可能会与海洋塑料同时发现的海藻、木质物、泡沫和火山岩等天然材料的卫星数据。
研究团队利用四个不同地区沿岸海域的“哨兵2”号数据测试了这种方法：阿克拉(加纳)、圣胡安岛(加拿大)、岘港(越南)和苏格兰东部(英国)。该方法能以86%的平均准确率成功将四个地方的塑料从其他漂浮材料或海水中区分出来，在圣胡安岛的准确率更是达到了100%。
该研究结果表明，这种方法在四个不同的海岸带都取得了成功。研究人员希望这种方法可以与无人机或高分辨率卫星联用，提高对海洋塑料垃圾的全球监测。(记者张梦然)
