Tren terkini dalam pemodelan mikroplastik laut dan alat machine learning: Potensi untuk pemantauan mikroplastik jangka panjang

Permintaan global terhadap plastik telah meningkat secara signifikan, diperparah oleh pandemi COVID-19, sehingga menimbulkan kekhawatiran tentang polusi limbah plastik dan mikroplastik. Pemantauan mikroplastik yang efisien sangat penting untuk memahami efek jangka panjang dan perkembangan polusi mikroplastik di lingkungan. Model numerik bermanfaat untuk mempelajari transportasi mikroplastik, karena memungkinkan pemeriksaan sistematis berbagai parameter untuk menjelaskan proses nasib dan transportasi, memberikan pandangan holistik tentang mikroplastik di laut. Namun, ketersediaan informasi dalam jumlah besar tentang parameter fisik dan kimia mikroplastik sangat langka. Alat machine learning dan computer-vision dapat membantu memperoleh informasi lingkungan dan memberikan masukan untuk model yang lebih akurat serta memverifikasi prediksi. Tinjauan ini menawarkan perspektif tentang bagaimana machine learning berbasis citra dapat mengungkap fisika perilaku transportasi mikroplastik dan menginspirasi studi yang menjembatani pemodelan numerik dan machine learning untuk analisis mikroplastik.

Tinjauan ini menyintesis tren terkini dalam pemodelan mikroplastik laut dan alat machine learning. Tinjauan ini mengkaji bagaimana model numerik memasukkan parameter fisik seperti ukuran, bentuk, densitas, dan identitas mikroplastik untuk meningkatkan pemahaman tentang fisika transportasi, memprediksi kecepatan tenggelam dengan lebih akurat, dan memperkirakan jalur mikroplastik di lingkungan laut. Penulis juga membahas peran alat machine learning dan computer-vision dalam memperoleh informasi lingkungan untuk mengembangkan model yang lebih akurat dan memverifikasi prediksinya. Metodologi ini melibatkan tinjauan literatur dan analisis perspektif, yang bertujuan menjembatani kesenjangan antara pemodelan numerik dan machine learning untuk analisis mikroplastik.