衛星と機械学習はどのようにして海洋のプラスチック廃棄物を検出できるのでしょうか?

プラスチック廃棄物が海洋生物にとって常に恐ろしい脅威となっていることは誰もが知っているはずです。しかし、これまでのところ、海洋におけるプラスチック汚染を検出することは依然として困難です。

プラスチック製品にはさまざまな色、サイズ、種類があり、そのほとんどはさまざまな化学物質で作られています。さらに悪いことに、地球の海は広大で、毎年投入される何百万トンものプラスチックはすぐにあらゆる場所に広がります。この「大きなプラスチック」は徐々に小さなプラスチック片に分解され、追跡が困難になり、海洋生物に致命的な脅威をもたらします。

海洋のどの地域にプラスチック製品が最も多く存在するかを特定することによってのみ、対象を絞った清掃および汚染防止対策を開発することができます。

科学誌「ネイチャー・コミュニケーションズ（サイエンティフィック・リポーツ）」に掲載された最新の研究結果によると、機械学習に基づく気象衛星は海洋環境におけるプラスチック汚染を追跡する任務を遂行できるという。

英国プリマス海洋研究所の科学者チームは、訓練された機械学習アルゴリズムを使用して、欧州宇宙機関が運用する2つの衛星から送信されたデータを分析し、プラスチック廃棄物に関する手がかりを見つけるというテストを実施しました。

[[326572]]

▲写真：気象衛星の主な役割は、地球を周回する軌道から強力な雷雨や竜巻を観測することです。画像提供: NASA

本研究で使用した2機のSentinel-2衛星は、いずれも10メートルの基本ピクセル単位で海面の高解像度画像を収集できる12バンドのマルチスペクトル機器（ MSI ）センサーを搭載しています。 2 つの衛星の連携により、システムは 2 ～ 5 日ごとに世界中の沿岸地域からデータを繰り返し収集できます。言い換えれば、このシステムは地球上の海に面したすべての場所のパノラマ画像を月に 6 ～ 15 回収集できることになります。これは膨大なデータです。

衛星は光信号を含むさまざまな種類のデータを収集し、物体から反射された光信号の波長に基づいて対象の特定の物質を区別することができます。理論的な観点から見ると、透明な海水は近赤外線 ( NIR ) から短波赤外線 ( SWIR ) のスペクトル範囲の光波を効率的に吸収しますが、プラスチックや自然の残骸などの浮遊物は大量の近赤外線光波を反射します。この光吸収レベルの違いにより、衛星は理論的には海面上の浮遊物体を検出することも可能になります。

浮遊物の種類によって近赤外線信号も異なります。研究者らは衛星データを使用して機械学習アルゴリズムを訓練し、衛星が捉えた光信号データから浮遊プラスチックの光信号を識別することに成功し、ギリシャ沿岸の浮遊プラスチック地域を発見した。研究者らはまた、この光データを使用して、特定の近赤外線信号を浮遊するプラスチックの破片と関連付けるアルゴリズムを学習させた。同様に、アルゴリズムはプラスチックを海藻、流木、発泡スチロールなどの天然素材と区別する方法を徐々に学習していきました。

[[326573]]

▲図：衛星は2～5日ごとに世界中の沿岸地域を繰り返し撮影し、海洋のプラスチック汚染状況を追跡できる大量のデータを収集します。

アルゴリズムの実行が開始すると、研究者らは、アクラ（ガーナ）、サンファン諸島（カナダ）、 ダナン（ベトナム）、スコットランド（英国）の世界4つの沿岸水域の衛星データを使用してテストを開始しました。全体として、このアルゴリズムはプラスチック汚染を 86 パーセントの精度で特定することができ、サンファン諸島のデータの分析では 100 パーセントの精度を達成しました。

さらに、このアルゴリズムは衛星データに基づいて、5 mm以上のサイズのプラスチック片を見つけることもできます。このタイプの「大きなプラスチック」は徐々に小さなプラスチック片に分解され、海洋生物に致命的な脅威をもたらします。上記の結果は、衛星データと機械学習アルゴリズムを組み合わせることで、人類が地球規模のプラスチック汚染問題を追跡し、除去するのに役立つことも示しています。