综述：水生环境中塑料垃圾遥感检测逻辑的再审视

这篇综述犀利指出当前塑料垃圾遥感检测（MSI/OLCI）研究中的逻辑漏洞：信号异常（如光谱/空间特征）与塑料的因果关系不可逆推。作者强调必须通过像素平均/差分（χ>χdis）排除非塑料漂浮物（如藻类、泡沫）干扰，并指出缺乏端元光谱数据库和流体动力学（如风条纹）干扰是两大技术瓶颈。

　　

背景
海洋垃圾（marine debris）被联合国环境规划署定义为"任何持久性人造固体废弃物"，其中塑料垃圾占比高达80%。尽管过去十年卫星遥感（如Sentinel-2 MSI的10-20m分辨率数据）被广泛用于检测，但存在将信号异常与塑料直接划等号的逻辑谬误——塑料能导致光谱异常（A→B），但反向推论（B→A）需排除所有其他可能性。

数据与方法
研究主要基于Sentinel-2 MSI和Sentinel-3 OLCI的多波段数据。关键指标是判别阈值χ_dis：当信号异常χ>χ_dis时，才可能区分塑料与其他物质。实验显示，10m分辨率下单个塑料瓶仅占像素的0.01%，信噪比（SNR）需>800才能可靠检测。

检测难点
技术挑战来自两方面：1）塑料目标常小于像元尺寸（亚像元问题），如1m²塑料膜在10m像元中仅贡献1%信号；2）自然水体中非塑料漂浮物（藻类、泡沫等）更常见，其光谱与塑料高度重叠。例如，褐藻在近红外的反射峰（710nm）易与聚乙烯混淆。

逻辑框架
有效检测需两步：1）发现异常信号（如NIR波段反射率突增）；2）通过光谱库比对确认物质类型。但当前研究常忽略第二步，将风条纹（Langmuir circulation）等流体力学现象导致的聚集误判为塑料带（litter windrows）。

可行性验证
研究列举了已成功识别的非塑料目标：浮木（driftwood，χ_dis=3.2）、粘液团（mucilage，χ_dis=4.1）、卤虫卵（brine shrimp cysts，χ_dis=5.3）。相比之下，塑料的χ_dis阈值尚未明确，因其端元光谱（endmember spectrum）受颜色、老化程度影响变异过大。

特殊挑战
塑料检测还存在两个独特难题：1）实验室测量光谱（如PET瓶）与自然环境中的风化塑料差异显著；2）塑料薄膜会产生镜面反射（glint），与白冠浪（whitecaps）的光谱特征难以区分。

替代方案
有学者提议通过检测"垃圾风条纹"间接推断塑料分布，但需注意天然漂浮物（如花粉团）同样会形成类似聚集模式。2017年地中海垃圾带研究中，实际验证发现30%的"塑料信号"实为马尾藻（Sargassum）。

结论
当前遥感检测塑料垃圾的研究需警惕逻辑倒置，建议：1）建立开放的光谱数据库；2）结合流体动力学模型排除假阳性；3）优先针对垃圾聚集区（如环流中心）开展验证。唯有严格遵循"排除法"逻辑，才能提升检测结果的可信度。