今日要闻
推荐展会
更多 > >
推荐专题
更多 > >
海洋在哭泣！人工智能，用大数据量化海洋塑料垃圾！
分享：
导读：近年来，问题越来越严重，一些企业开始用人工智能技术去分析并清理巨量的海洋垃圾。
【塑料机械网 塑料时讯】 近年来，问题越来越严重，一些企业开始用人工智能技术去分析并清理巨量的海洋垃圾。
人类产生的废弃物有意无意地漂进大海，而这些废弃物中，许多类型的塑料无法分解，严重威胁着鱼类、海鸟、海洋爬行动物、海洋哺乳动物，以及船只和沿海居住区。
地球这颗蓝色星球，正在被白色垃圾吞噬。
我们常说海纳百川，但实际上，这片地球上能包容万物的领域——海洋，正在遭遇它不能承受之痛。巨量的海洋垃圾，尤其是塑料垃圾，让蓝色海洋变得满目疮痍。
我们不知道这些垃圾会存在多久，又会伤害海洋多久
《太阳报》在 7 月 5 日报道了英国埃克塞特大学的一项新研究，研究人员对海洋污染进行了调查，发现在社交媒体和报道中，有 1116 只鲨鱼和鳐鱼被海中塑料垃圾缠住，而实际的数字可能更高。
海洋中的塑料，已经成为海洋中的杀手。大量的海洋生物会被塑料缠住，导致疼痛、饥饿、窒息，甚至死亡。
据联合国公布的数据显示，每年有 1300 万吨塑料流入海洋，有 100 万只海鸟和 10 万只海洋哺乳动物因塑料污染而丧生。流入海洋中的塑料，除了一部分会被带上岸边，更多的会继续留在海洋中，被分解成微型碎片，然后被浮游生物所摄入，并终进入食物链，影响到人的健康。
我们产生的塑料垃圾数量每年在以巨大的速度增长
但更可怕的是，大片被污染的海洋背后，并没有人清楚，不可降解的塑料会对海洋造成多大的影响，这些影响又会持续多久。
塑料垃圾对海洋致命性的灾难，也引起了越来越多的重视，联合国宣布设立每年的 6 月 8 日为世界海洋日，呼吁人们重视海洋问题。
2020年7月15日，塑料可回收性系列标准、海洋塑料标准启动会在成都圆满落幕。(点击阅读)
英国《科学报告》杂志，4月23日发表一项环境研究，英国人工智能小组报道了一种检测海洋环境中大型塑料(大于5毫米)漂浮垃圾带的新方法。研究人员利用来自欧洲航天局哨兵2号卫星的数据来训练机器学习算法，以区分塑料和其他材料，平均准确率为86%，在当地高可达100%。
人类活动与垃圾排放，让大量塑料涌入海洋，如何将塑料从其他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。
令人震惊的大太平洋垃圾填埋场（GPGP），是世界海洋中五个海上塑料聚集区中大的一个。它位于夏威夷和加利福尼亚之间。
据估计，每年有115 万~241 万吨塑料从河流进入 GPGP。它不是人类想像中的垃圾岛，而是一整片在海洋中漂流的塑胶碎片及微粒，面积达 160 万平方公里，与中国面积大的省份新疆相当。专业人士估计，如果单纯人力去捕捞，大概需要7 万 9 千年。
GPGP 的白色垃圾令人触目惊心
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监测。
今天，人类已经意识到海洋塑料污染的深度和程度远远超出了预期，但是需要改进技术来跟踪它们的具体分布。现在，研究人员利用人工智能和卫星数据的双重“追踪”，从空间和生态方面评估问题的严重性，比以前更加准确和全面，从而帮助我们采取更大规模的清理和缓解措施。
没有人愿意生活在垃圾堆里，海洋生物亦是如此。愿技术能够帮助它们，也帮助我们。 因为海洋的存在，地球被称为蓝色星球；但海洋塑料垃圾的泛滥，正在让地球变成一个塑料星球。
废塑料新观察认为，时至今日，人类已经意识到海洋塑料污染的迫切性，其广度和深度远超预期。想要塑料消失很容易，让它们流入大海，很快就可以淡出人们的视野。
但是，它们中的绝大多数会一直存在，幽灵般的存在，以各种方式与我们捆绑在一起。
所以，海洋塑料污染治理迫在眉睫，愿海洋永远是蓝色天堂！
版权与免责声明： 凡本网注明"来源:塑料机械网”的所有作品，均为浙江兴旺宝明通网络有限公司-塑料机械网合法拥有版权或有权使用的作品，未经本网授权不得转载、摘编或利用其它方式使用上述作品。已经本网授权使用作品的，应在授权范围内使用,并注明“来源:塑料机械网www.86pla.com" 。违反上述声明者，本网将追究其相关法律责任。
本网转载并注明自其它来源(非塑料机械网www.86pla.com)的作品，目的在于传递更多信息，并不代表本网赞同其观点或和对其真实性负责,不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时，必须保留本网注明的作品第一来源，负版权等法律责任。
猜你喜欢
所有评论仅代表网友意见，与本站立场无关。