《Environmental Challenges》：A case study on the Po Delta in Italy on advancing the synergy of monitoring strategies for leakage litter from source-to-sink
编辑推荐：
社会持续关注以源到汇（source-to-sink）视角开展的塑料废弃物综合监测策略，以期制定更有针对性且得到改进的缓解措施。研究人员提出了一项探索性研究，旨在协调并促进多尺度方法（即低成本相机、无人机、模型、卫星）针对漂浮物质的协同作用，研究重点聚焦于意大利
社会持续关注以源到汇（source-to-sink）视角开展的塑料废弃物综合监测策略，以期制定更有针对性且得到改进的缓解措施。研究人员提出了一项探索性研究，旨在协调并促进多尺度方法（即低成本相机、无人机、模型、卫星）针对漂浮物质的协同作用，研究重点聚焦于意大利波河三角洲（Po Delta）地区的塑料垃圾。通过地面固定、机载和卫星平台上的相机技术，实现了对疑似或已知塑料垃圾存在位置的从极细到中等像素分辨率的成像。极细像素遥感影像被用于通过目视检查、异常检测和机器学习算法来直接检测和识别垃圾物体。数值模型输入参数是通过实地调查的目视和图像分析获得的。利用数值解以及哨兵-2/3（Sentinel-2/3）总悬浮物（total suspended matter）终端产品对垃圾动态进行了间接观测评估。原位水样采集补充了监测工作，拖网采集的样本显示，大部分塑料含有聚乙烯（polyethylene）、聚丙烯（polypropylene）和聚苯乙烯（polystyrene）聚合物。研究人员对其概念验证型模块化观测方法的评估展示了监测技术可能实现的协同作用，这有助于更全面地理解垃圾的源到汇动态。通过进一步基于科学证据的探索，研究人员提出的监测概念有望发展成为一个业务化观测系统，专门为参与环境中塑料减缓和清除的利益相关方收集关键信息。
论文解读：意大利波河三角洲垃圾泄漏源到汇监测策略协同研究
塑料垃圾管理不当已被确认为一项长期的环境健康威胁，其影响范围从陆地源一直延伸到过渡带、植被、沉积物乃至开阔水域。水路是管理不当的塑料从陆地输运至开阔海域，甚至有时回流至近岸陆地的最主要传输途径。近期研究表明，通过河流泄漏的漂浮塑料有较大概率在靠近水道源头的地方搁浅，形成“河流—海洋—海岸”的循环过程。然而，由于原位点测量数据稀疏，目前对水生生态系统中塑料垃圾的丰度、来源和分布的科学认识仍然十分有限。虽然科学界已广泛倡导基于多源数据的综合监测策略，但集遥感、公民科学、数值模型与原位采样于一体、覆盖“源到海”各环节的系统性观测体系资源密集度高，相关探索和实践报道仍然很少。
在此背景下，研究人员在意大利波河三角洲地区开展了一项可行性研究，旨在探索低成本相机、无人机、数值模型与卫星等多尺度监测手段之间的协同性、可扩展性、能力与局限性，以期更全面地理解塑料垃圾从源头（如波河）到汇集区（如亚得里亚海及海岸线）的泄漏和迁移过程。该研究由欧洲空间局（European Space Agency）早期技术计划资助，论文发表于《Environmental Challenges》。研究通过整合地面固定平台、机载平台与卫星平台的成像技术，结合实地采样、实验室分析与数值模拟，验证了多源观测数据融合在塑料垃圾源到汇动态监测中的潜力，为未来构建业务化综合观测系统奠定了基础。
研究采用的主要关键技术方法包括：在波河沿岸桥梁上部署低成本Raspberry Pi相机系统以获取漂浮物高频影像，同时使用GoPro进行画质比对；利用DJI Matrice 600无人机搭载20兆像素（MP）光学相机与多光谱传感器，对波河三角洲选定海滩开展100米横断面的超低空航测，影像通过PIX4D软件生成正射镶嵌图，并采用LitterDrone软件自动检测与识别搁浅垃圾；获取WorldView-2极高空间分辨率卫星影像（1.6米/像素），通过目标识别与光谱异常算法检测漂浮物，并利用Sentinel-2/3中分辨率影像的总悬浮物（TSM）产品识别河流羽流作为潜在热点；2021年3月与10月期间，研究人员在亚得里亚海及波河三角洲区域利用研究船G. Dallaporta和沿岸站点进行了两个航次的实地采样，包括Secchi盘透明度测量、温盐深（CTD）剖面观测、330毫米孔径Manta网拖网采样，并采用衰减全反射傅里叶变换红外光谱（ATR-FTIR）进行微塑料聚合物类型鉴定；数值模拟则采用HYDROMOD-3D水动力模型，结合2016年波河流量、风场等驱动数据，模拟不同粒径和风况条件下大塑料的输运轨迹与搁浅分布。
3.1.1 桥梁调查：桥梁固定相机系统共采集18848张图像，其中3526张被标注，识别出2914件垃圾。基于Faster区域卷积神经网络（Faster R-CNN）架构的检测模型经COCO数据集预训练并微调后，平均检测精度（mAP50）为0.60，优于从零训练的0.56。有机物干扰测试显示，含有机物图像子集的mAP50为0.25，而不含有机物子集为0.83；像素分辨率对比测试中，300 dpi的Nikon DSLR图像mAP50为0.46，高于96 dpi的Raspberry Pi图像（0.25），表明提高像素分辨率可有效缓解有机物造成的性能下降。
3.1.2 无人机观测：LitterDrone软件分析显示，北Pila海滩检测到的塑料物体数量最多（18件），而Barricata海滩因25米较高飞行高度和强风导致成像分辨率不足，仅检测到5件，现场实地采样与软件检出比仅为1:49。在15米较低飞行高度下，北Pila海滩的检出比达到115:182，凸显了像素分辨率对小型垃圾检测的关键影响。多光谱数据分析中，近红外和红边波段有助于改善2.5～10厘米尺寸垃圾的识别，但小于2.5厘米的物体仍难以准确检测。
3.1.3 卫星影像：利用WorldView-2影像，通过物体识别与光谱异常算法成功检测到疑似渔船、风浪线（windrows）和渔业浮标等漂浮特征，检测结果与真彩色RGB合成图目视判读一致。该类自动检测技术可用于保护渔业区的非法捕捞预警以及热点区域清理行动的辅助指导。
3.2 实地调查：现场透明度观测显示，近岸水域透明度较低，Secchi深度最小1米，向外海方向逐渐增大至最大19米，平均值为8.5±5.3米，与陆源颗粒物输入趋势相吻合。实验室分析共鉴定出丙烯腈-丁二烯-苯乙烯（ABS）、乙烯-醋酸乙烯酯（EVAC）、聚酰胺（PA）、聚乙烯（PE）、聚对苯二甲酸乙二醇酯（PET）、聚丙烯（PP）、聚苯乙烯（PS）、聚乙烯醇（PVAL）、聚氯乙烯（PVC）等聚合物类型，其中PE、PP和PS最为常见。塑料颗粒颜色以白色（31%）、透明（30.2%）和蓝色（10.4%）为主，形态以碎片最为普遍。
3.2.2 断面动态：沿阿迪杰河口的T2断面，近岸样品未检出塑料，海向方向浓度升至1.98件/立方米后逐渐下降至0.02件/立方米。靠近波河河口的T4断面塑料浓度整体较高（0.02～54.26件/立方米），并呈正弦波动模式，最高值出现在离岸中部的站位。PE在所有站位中丰度均超过50%，表明区域塑料污染与一次性塑料包装密切相关。数值模拟结果与采样趋势基本一致，显示波河羽流与海水交汇处可能形成塑料富集锋面。
3.3 数值解：模拟结果显示，500毫米大尺寸颗粒受风曳力影响明显大于200毫米颗粒。东北向布拉风（Bora）作用下，颗粒沿近岸较窄条带近似直线输运；东南向西罗科风（Scirocco）作用下，颗粒被卷入地形诱导的逆流环流中。两种风况下颗粒最终均在特定岸段搁浅，模拟的漂移路径显示了可能的堆积区，但研究人员强调模型提供的是概率性预测而非精确搁浅位置。
4. 讨论与结论
讨论部分指出，监督式机器学习模型依赖大量人工标注数据，标注成本高且模型泛化能力受训练数据分布影响。有机物干扰和像素分辨率是制约低成本相机系统检测性能的主要因素；提高成像分辨率或优化训练数据集构成比单纯改进网络结构更为直接有效。数值模型能够预测塑料输运路径与堆积热点区域，为清理活动优化提供依据，但模型精度有待结合卫星跟踪漂流浮标和无人机反复观测数据进行进一步校准。多工具集成监测体系当前面临的主要挑战是难以开展严格的交叉验证，需要建立标准化协议和指南以保障多源数据的一致性和可比较性。研究结论部分翻译如下：
“我们相信所展示的概念验证可以为未来改进的综合策略奠定基础。类似的混合监测方法可以为实现迫切需要的法律基础做出重要贡献，以避免塑料污染对水系统造成损害，因为全面的基线监测将需要一个功能性的多工具观测系统。”
