海底大型塑料污染监测：国际专家共识与全球治理策略

国际专家团队针对海底大型塑料污染（seafloor macrolitter）监测难题，提出基于成像技术的非破坏性监测方案。研究整合ROV/AUV等平台与AI分析技术，建立标准化数据管理系统，为UN全球塑料条约提供科学依据，填补深海污染监测空白。

　　

海洋深处正面临着一场"看不见的危机"——每年数以百万吨计的塑料垃圾最终沉入海底，在人类视野之外持续释放生态威胁。令人震惊的是，尽管海底占地球表面积的71%，但深度超过200米的区域仅有0.001%被成像观测过。更严峻的是，这些"海底垃圾场"不仅是塑料污染的终极归宿站，还是微塑料的"生产车间"，通过生物相互作用持续危害海洋生态系统。面对这一全球性挑战，来自欧盟联合研究中心（Joint Research Centre, European Commission）的Georg Hanke领衔的国际研究团队，在《Marine Pollution Bulletin》发表重要共识，为海底大型垃圾监测提供了系统性解决方案。

研究团队综合运用了多种关键技术：1）多平台成像系统（包括ROV、AUV和低成本漂流摄像机）；2）基于人工智能的图像分析算法；3）标准化数据采集流程（遵循FAIR原则）；4）跨区域数据整合方法（通过EMODnet等平台）。特别值得注意的是，研究强调利用现有科考和工业勘探的"机会性数据"，大幅提升监测效率。

【背景】研究指出海底作为塑料污染的"终极汇"，接收了从海岸带输入的各类垃圾，但传统底拖网采样存在破坏生态、数据可比性差等缺陷。联合国SDG 14和全球塑料条约谈判都亟需可靠的深海污染数据支撑。

【实施策略】团队提出五大创新监测路径：

1. 站点选择：重点监测海底峡谷、海山等"垃圾热点"，同时关注深海盆地等易被忽视区域；

2. 平台优化：根据水深和成本选择ROV（遥控潜水器）、AUV（自主潜水器）或低成本替代方案；

3. 成像标准：建立最小2.5cm的垃圾识别标准，开发分层分类系统；

4. AI分析：通过机器学习处理海量图像数据，构建开源训练数据库；

5. 数据管理：创建遵循FAIR原则的全球数据库，整合EMODnet等区域平台。

【技术突破】研究特别强调人工智能在垃圾识别中的应用前景，指出当前受限于训练数据不足。为此提出的"公民科学"参与方案，既可加速图像标注，又能提升公众参与度。在数据管理方面，创新的iFDOs（图像FAIR数字对象）框架确保原始数据的可追溯性。

【政策链接】这项研究直接响应了联合国环境大会(UNEA)关于终止塑料污染的决议，为全球塑料条约的监测条款提供了技术蓝图。通过建立标准化的海底垃圾监测体系，使决策者能准确评估 mitigation measures（缓解措施）效果，特别是针对渔业废弃物(ALDFG)等特殊垃圾类型的管控。

这项跨国研究的核心价值在于首次系统整合了海底垃圾监测的技术链和政策需求。研究人员特别强调，必须将海底监测纳入"全海洋"观测体系，与表层海水、海岸带监测形成完整闭环。随着全球塑料条约谈判进入关键阶段，这套由27国专家共同制定的技术规范，将成为构建全球海洋塑料污染"基线"的重要基石。正如研究者所言："海底垃圾虽在视线之外，但绝不应在治理考量之外"——这或许是对这项研究意义的最佳诠释。