编辑推荐：
为解决河流塑料污染监测难题，研究人员开发了一种基于Google Earth Engine的云端工作流，结合Sentinel-2多光谱数据与PlanetScope高分辨率标注，通过随机森林分类器实现跨河流的塑料热点检测。该研究在印度尼西亚、危地马拉和加纳三条典型河流上验证，模型河流内迁移精度达99.5%，跨河流迁移塑料F1分数达79%，并发布开源应用支持全球河流塑料监测，为《全球塑料条约》提供技术支撑。
塑料污染已成为威胁陆地和水生生态系统的全球性环境问题，而河流作为连接陆地和海洋的关键通道，在塑料污染物的输送和滞留过程中扮演着核心角色。然而，传统的现场监测方法成本高、效率低，且难以在极端事件期间实施，严重制约了对河流塑料污染的有效管控。在这一背景下，发展可扩展的遥感监测技术成为解决这一难题的关键突破口。
近期发表在《iScience》上的研究论文提出了一种创新的半自动化云端工作流，通过整合卫星遥感与机器学习技术，实现了河流塑料聚集热点的空间探测。该研究的创新之处在于将高空间分辨率的PlanetScope影像用于训练区域标注，并迁移至具有丰富光谱信息的Sentinel-2多光谱数据，在Google Earth Engine平台上训练随机森林分类器，建立了一个可跨河流系统迁移的塑料检测模型。
研究人员为验证方法的普适性，选择了三种环境特征迥异的河流系统：印度尼西亚的芝塔龙河、危地马拉的莫塔瓜河和加纳的奥道河。这些河流分别代表了高浊度水体与漂浮植被共存、茂密河岸植被阴影影响以及狭窄河道像素混合等典型挑战性环境。
研究采用的关键技术方法包括：基于高分辨率PlanetScope影像的手动标注生成训练区域；利用Sentinel-2多光谱数据提取光谱特征和计算专用指数（NDVI、SI13、PI、FDI）；在Google Earth Engine云端平台实现随机森林分类器训练与验证；通过特征重要性分析优化输入特征组合；开发开源应用程序支持全球范围的河流塑料监测。
光谱特征分析
研究首先分析了三类目标（塑料、水体和植被）在三个河流环境中的光谱特征。结果显示，塑料和植被类别在印度尼西亚地区表现出较高的光谱异质性，这很可能源于包含塑料碎片和周围有机物的混合像素。危地马拉的光谱曲线显示出较低的类内变异性，而加纳的塑料和水体光谱响应高度相似，这归因于河流狭窄几何形态导致的像素混合问题。在评估的多种光谱指数中，SI13（Sentinel Index 1-3）表现最为一致，是唯一能在加纳改善类别区分度的指数。
河流塑料热点检测
研究使用图像ID 1-6训练随机森林分类器，并在ID 7-10上测试。结果显示，仅使用卫星波段时，印度尼西亚、危地马拉和加纳的分类总体精度分别为98.8%、76.7%和70.0%，塑料类别的F1分数分别为71.8%、71.9%和73.7%。当加入光谱指数后，性能在所有案例中均有提升，特别是在印度尼西亚和加纳，提升幅度超过20%，证实了光谱指数在塑料检测中的判别能力。
通过生成多时相分类图，研究还绘制了热点图，显示塑料倾向于在河弯处聚集。在危地马拉，塑料主要在水库两端积累；在加纳，积累可见于河流段下游末端，那里河道受到控水堰的影响。
分类器的波段重要性
特征重要性分析揭示了光谱特征在不同区域的显著差异。例如，印度尼西亚模型中最具影响力的波段是Band 11，而Band 1和Band 2分别对加纳和危地马拉最为关键。当将光谱指数纳入分析时，特征层次发生变化，特别是在加纳，SI13比任何其他波段都更具相关性，表明指数在特定条件下能更好地捕捉类别特定的光谱响应。
河流塑料检测方法的泛化能力
模型在芝塔龙河下游不同地点的迁移测试取得了99.5%的总体精度，塑料类别的F1分数达到96.1%，表明模型在相似河流环境中具有出色的泛化能力。然而，跨河流迁移面临更大挑战。仅使用波段训练模型时，仅有两个迁移场景的总体精度超过70%，且结果波动较大。加入光谱指数后，分类指标显著提升，除危地马拉到加纳的迁移外，所有模型迁移均显示精度和F1分数提高，多个案例增益超过20%。通过结合每个河流最具预测性的波段或指数，模型在塑料类别上实现了平均79%的F1分数。
通用模型探索
研究还训练了一个结合三个河流数据的一般模型。结果显示，结合波段和指数（B1、B2、SI13）的配置在所有数据集上提供了最佳整体性能，在泛化性和精确性之间实现了良好平衡。
研究结论强调，通过结合PlanetScope的空间细节和Sentinel-2的光谱丰富性，即使使用中等分辨率的Sentinel-2数据，也能实现高性能的塑料检测。该工作流已集成至名为"Plastic River Classifier"的开源Google Earth Engine应用中，使终端用户能够在全球范围内应用训练好的模型，为科研和实地监测提供了实用工具。
讨论部分指出，检测到的"塑料斑块"实际上是包含各种塑料、漂浮植被、大型木材和其他人为材料的异质性碎片聚集物，这种混合物在不同河流甚至同一位置的不同季节可能显著变化。Sentinel-2的10米空间分辨率限制了其对较小或分散斑块的检测能力，特别是在狭窄或植被茂密的河道中。未来研究应聚焦于扩展标注训练数据集、改进光谱解混技术、结合雷达影像以克服云覆盖限制，以及开展实地标定实验，推动从检测向定量化发展。
这项研究为河流塑料污染监测提供了可扩展、可复现的解决方案，通过云端处理和开源工具，架起了研究与实地应用之间的桥梁，对全球塑料污染评估和治理策略制定具有重要意义。
