Como satélites têm conseguido detectar plástico nos oceanos

Segundo pesquisadores, é possível monitorar poluição causada por plástico em todas as áreas costeiras do mundo

Embora o plástico seja uma ameaça terrível à vida marinha, detectar a poluição causada por ele no oceano é um grande desafio. Isso porque os plásticos possuem diversas cores, dividem-se em tamanhos microscópicos e são feitos de vários produtos químicos. Além disso, soma-se o grande tamanho do oceano, no qual milhões de toneladas de plástico são descartadas anualmente.

Para que os esforços de limpeza e prevenção de poluição sejam direcionados de forma efetiva, é essencial identificar quais partes do oceano acumulam mais plástico. De acordo com uma pesquisa publicada recentemente no Scientific Reports, jornal científico da Nature Research, os satélites equipados com machine learning (aprendizado de máquina) podem estar preparados para rastrear a poluição causada por plásticos nos oceanos.

Um time de cientistas do Laboratório Marítimo de Plymouth, no Reino Unido, testou se os dados de satélites operados pela Agência Espacial Europeia poderiam ser analisados usando um algoritmo de machine learning treinado para detectar plástico. Os dois satélites Sentinel-2 usados na pesquisa foram equipados com sensores de instrumento multiespectral (MSI) de 12 bandas, que permitem uma resolução de 10 metros nos dados coletados. Com os esforços dos dois satélites combinados, as informações são armazenadas repetidamente em todos os locais costeiros do mundo entre cada 2 e 5 dias. Em outras palavras, todas as partes do mundo em que a terra encontra o mar são observadas e têm dados coletados entre 6 e 15 vezes por mês.

Entre outras coisas, os satélites coletam dados sobre sinais de luz. Com isso, os materiais podem ser distinguidos com base nos comprimentos de onda da luz que eles refletem. Enquanto a água limpa absorve a luz no infravermelho próximo (NIR, na sigla em inglês) para a faixa de luz infravermelha de ondas curtas (SWIR), materiais flutuantes como detritos naturais e plásticos refletem NIR. Essas diferenças na absorção de luz permitem que os satélites detectem objetos flutuantes do espaço.

Os sinais NIR de vários objetos flutuantes variam. Usando os dados do satélite, os pesquisadores treinaram um algoritmo de machine learning para identificar o sinal luminoso do plástico flutuante. Para isso, liberaram um flutuador de plástico na costa da Grécia e obtiveram os dados associados do sinal de luz dos satélites. Em seguida, usaram esses dados para ensinar o algoritmo a associar certos sinais de luz NIR com detritos plásticos flutuantes. Da mesma forma, o algoritmo também aprendeu a distinguir materiais naturais e plásticos, como algas, troncos e espumas marinhas.

Depois que o algoritmo foi instalado, os pesquisadores o testaram contra dados de satélite de águas costeiras em quatro lugares do mundo: Accra (Gana), Ilhas do Golfo (Canadá), Da Nanng (Vietnã) e Escócia (Reino Unido). No geral, o algoritmo detectou plástico com 86% de precisão e foi 100% preciso na análise dos dados das Ilhas do Golfo. Nada mal para os dados coletados a milhares de quilômetros de distância!

É importante ressaltar que esse algoritmo está equipado apenas para localizar grandes peças plásticas flutuantes. No entanto, é a partir desses “macroplásticos” flutuantes que muitos microplásticos prejudiciais se formam. Os resultados da pesquisa mostram que os dados de satélite combinados com algoritmos de machine learning podem ajudar no rastreamento e na limpeza da poluição por plásticos em todo o mundo.