Les macrodeixalles marines flotants són una amenaça per a la conservació dels ecosistemes marins d’arreu del món. Les densitats més grans de residus flotants es troben als grans girs oceànics del planeta -uns sistemes de corrents circulars que giren i atrapen els residus-, però els grans residus contaminants abunden també en aigües costaneres i mars semitancats com la Mediterrània. MARLIT, una aplicació web d’accés obert, permetrà detectar i quantificar els plàstics que floten al mar amb una fiabilitat superior al 80%. Així ho constata un treball d’experts de la Facultat de Biologia i de l’Institut de Recerca de la Biodiversitat de la UB (IRBio) publicat a la revista ‘Environmental Pollution’.
La nova metodologia és el resultat de l’anàlisi, mitjançant tècniques d’intel·ligència artificial, de més de 3.700 imatges aèries de la costa mediterrània a Catalunya. A través d’un algoritme basat en l’aprenentatge profund (deep learning), l’aplicació permetrà avançar en l’avaluació de la presència, la densitat i la distribució dels contaminants plàstics als mars i oceans de tot el món.
Tradicionalment, les observacions directes (vaixells, avionetes i altres) són la base de la metodologia habitual per avaluar l’impacte de les macrodeixalles marines flotants (FMML, per les seves sigles en anglès). Ara bé, l’enorme extensió dels oceans i el volum de dades dificulten enormement el progrés dels estudis de seguiment. “Les tècniques automatitzades de fotografia aèria combinades amb l’ús d’algoritmes d’anàlisi són protocols molt més eficients per al control i l’estudi d’aquest tipus de materials contaminants”, detalla Odei García-Garín, primer autor de l’article i membre del GRC de Grans Vertebrats Marins, que lidera el catedràtic Àlex Aguilar.
En aquesta recerca, els experts han dissenyat un nou algoritme per automatitzar la quantificació de plàstics flotants al mar a través de la fotografia aèria. Per fer-ho, han aplicat les tècniques de l’aprenentatge profund, una metodologia d’aprenentatge automàtic amb xarxes neuronals artificials capaces d’aprendre i incrementar els seus coneixements. Tot i això, García-Garín exposa que la teledectecció automàtica de d’aquests materials encara es troba en una fase molt inicial, ja que la naturalesa canviant de mars i oceans complica el desenvolupament d’algoritmes aplicables en aquest context.
Hi ha una gran quantitat d’imatges de la superfície marina obtingudes per drons i avionetes en campanyes de monitoratge de la brossa marina, i per estudis experimentals amb objectes flotants coneguts. “Això ens ha permès desenvolupar i testar un algoritme nou que assoleix un 80% de precisió en la teledetecció de les macrodeixalles marines flotants”, subratlla García-Garín, membre del Departament de Biologia Evolutiva, Ecologia i Ciències Ambientals i de l’IRBio.
Un aliat per complir els compromisos europeus
MARLIT permet analitzar les imatges de manera individual, dividir-les en diversos segments segons les directrius de l’usuari, identificar la presència de residus flotants a cada àrea determinada i estimar quina densitat tenen a partir de les metadades de la imatge (alçada, resolució). En un futur, s’espera poder adaptar l’aplicació directament en un sensor remot (per exemple, un dron) per poder automatitzar encara més el procés de teledetecció.
A escala europea, la directiva marc sobre estratègia marina indica l’aplicació de tècniques de monitoratge de les FMML per complir amb l’avaluació contínua de l’estat mediambiental del medi marí. “Per això, l’automatització dels processos de monitoratge i l’ús d’aplicacions com ara MARLIT facilitaria als estats membres el compliment de la directiva”, conclouen els autors del nou treball.
