在沿海水域检测塑料碎片,使用Sentinel-2卫星数据和机器学习技术

科学领域:

• 遥感 遥感 遥感 遥感
• 监测海洋污染 监测海洋污染
• 海洋学 海洋学 海洋学

背景情况:

• 使用光学卫星数据来检测海洋塑料碎片的成功有限.
• 需要有效的方法来监测广泛的塑料污染.

研究的目的:

• 使用光学卫星数据识别和绘制浮动宏观塑料的地图.
• 开发和验证一种用于海洋塑料检测的新方法.

主要方法:

• 利用了Sentinel-2卫星的光学数据和一个浮动碎片指数 (FDI).
• 应用了基于机器学习的纯粹贝叶斯算法来进行材料分类.
• 进行了分像素尺度检测和碎片的时间分析.

主要成果:

• 在光学数据中,成功地将漂浮性宏观塑料与海藻和海泡区分开来.
• 在识别可疑的塑料碎片时,获得了87.25%的准确性.
• 追踪了塑料污染的移动和积累模式.

结论:

• 开发的方法对于使用Sentinel-2数据检测海洋宏观塑料是有效的.
• 该方法是可扩展和可转移的,用于全球沿海污染监测.
• 展示了一种用于环境监测的遥感的新型应用.