Combater a poluição por plásticos: Uma nova resposta com machine learning

A UNEP anunciou no fim do mês passado que irá recorrer à ciência cidadã e a machine learning para combater a poluição por plástico. Da parceria com a Google irá nascer um novo modelo open source e baseado em machine learning, o que permitirá que o modelo “treine” e aprenda de forma a que seja mais preciso a identificar a poluição por plástico.

Para isso, após ser obtida uma base de dados, esta é inserida num sistema, que a usará para saber como deve agir. Este sistema permite, através de uma informação fornecida, aprimorar certas aptidões de um software, e usá-las, neste caso, para desvendar a origem dos plásticos poluentes, assim como seguir o transporte dos mesmos pelo rio asiático Mekong.

A parceria com a Google é um dos mais recentes desenvolvimentos de um projeto que começou em maio de 2019. Lançado pelo escritório regional para a Ásia e o Pacífico da UNEP, e financiado pelo Governo do Japão, o projeto “CounterMEASURE” foca-se em sistemas de rios asiáticos, nomeadamente do Mekong e Ganges. O trabalho até agora realizado poderá ser utilizado nesta nova etapa, através da base de dados que será usada por este modelo, o que permitirá aprimorar, cada vez com mais precisão, a localização dos plásticos.

Na mais recente fase, é, para além do machine learning, utilizado um novo método de obtenção de dados, onde é aplicada a ciência cidadã (citizen science). Neste caso, os cidadãos podem tirar fotografias dos resíduos plásticos encontrados perto do local onde residem, e partilhá-las com o projeto através de uma aplicação para o telemóvel criada para o efeito. Esta informação, que contém elementos qualitativos (tipo de plástico) e geográficos (localização), será utilizada para aperfeiçoar o algoritmo. Assim, a população local pode ter um papel ativo no combate aos plásticos, tornando o processo mais rápido e eficiente.

Por sua vez, os drones, aparelhos já anteriormente utilizados no projeto, possibilitam a captura de imagens aéreas permitindo uma visualização mais ampla da localização plásticos. Adicionalmente também são utilizadas imagens de satélite, com o mesmo propósito.

Para visualizar e analisar todos estes dados são utilizados Sistemas de Informação Geográfica (SIG), que permitem descobrir hotspots de plástico, identificando as maiores fontes de poluição, e perceber o trajeto que os plásticos percorrem desde a fonte até ao local onde acabam por permanecer durante décadas – o oceano. Este recurso provém da parceria do projeto “CounterMEASURE” com o Centro Geoinformático (GIC) do Instituto Asiático de Tecnologia.

Atualmente o projeto está direcionado para o rio Mekong, e rios adjacentes, mas Emmanuel Sauquet, membro da empresa Google, refere que o método poderá ser ampliado a uma “escala global”.

Segundo a nota de imprensa divulgada a 20 de abril, no site da UNEP, o projeto irá contribuir para a elaboração de um mapa com os principais pontos de entrada (hotspots) de plásticos. Essa informação será útil para os governos criarem novas medidas para resolver a problemática, através da redução da contribuição das fontes de poluição identificadas.

Este trabalho irá beneficiar a Aliança Global em Lixo Marinho (Global Partnership on Marine Litter), instituição responsável por questões relacionadas com a poluição e ambiente marinho global, já que terá acesso à informação resultante do projeto, o que permitirá tomar melhores decisões de proteção do ambiente das águas marinhas.

Um artigo publicado no jornal Bangkok Post, a 26 de abril, indica que cerca de 40% do plástico de todo o mundo é consumido na região Ásia-Pacífico. Está também provado que cerca de 95% do lixo que tem origem nos rios e vai para os oceanos, provém essencialmente de dez rios, dos quais oito são na Ásia.

Com este novo modelo de machine learning, prevê-se que o problema causado pela poluição dos plásticos seja de mais rápida e eficiente resolução.

Texto por Pedro Rodrigues. Revisto por Eva Pinto, Maria Teresa Martins e Mariana Miranda.