Environmental protection in the Arctic - support of German activities in the Arctic Council in terms of a pilot study on monitoring plastic litter on arctic coastlines applying remote sensing techniques

Abstract

Eine arktisweit einheitliche Erfassung von Strandmüll ist die grundlegende Voraussetzung für die Entwicklung eines regionalen Aktionsplans (RAP) wie von der Protection of the Arctic Marine Environment Arbeitsgruppe des Arktischen Rats (PAME) für 2021 angestrebt. Die Erfassung von Strandmüll gibt dabei sowohl Informationen über den aktuellen Verschmutzungszustand als auch eine Grundlage für die Bewertung des Erfolgs möglicher Aktionspläne. Um dies zu erreichen, ist eine einheitliche Methodik erforderlich, die eine kosten- und zeiteffiziente Erfassung von arktischen Stränden ermöglicht. Die traditionelle Erfassung von Strandmüll wurde in diesem Projekt durch fernerkundliche Methoden wie Satellitenbilder oder Drohnenerfassungen unterstützt und erweitert. Die Entwicklung einer geeigneten Methodik war das Hauptziel dieser Studie, und die Methodik wurde an ausgewählten Hotspots von Strandmüll auf Grönland und Spitzbergen evaluiert. Zu diesem Zweck wurden zuvor potenzielle Hotspots identifiziert, indem Daten von bereits existierenden Standmüllkartierungen sowie Informationen zu potenziellen Quellen und weiterer geografischer Faktoren (z. B. Bevölkerungsdichte, Abwasserbehandlung usw.) ausgewertet wurden. Zur Auswertung wurdenein statistischer und ein Modell-basierter Ansatz gewählt.Für die Entwicklung einer geeigneten Methodik wurde eine Literaturstudie durchgeführt, in der das Potenzial verschiedener Fernerkundungsmethoden hinsichtlich räumlicher und spektraler Auflösung, Zeit- und Kosteneffizienz und der Anwendbarkeit einer (halb-) automatischen Klassifikation verglichen wurde. In Anbetracht der Einschränkungen der räumlichen Auflösung aller Fernerkundungstechniken konzentriert sich diese Studie auf Makromüll (>2,5 cm). Eine Kombination von Satellitenbildern mit Drohnenerfassungen und konventionellen Strandmüllkartierungen wird empfohlen.Für die Drohnenerfassung wurde eine manuelle Sichtung der Drohnenbilder und eineAnwendung Maschinellen Lernens getestet. Bei der manuellen Sichtung konnten bis zu 17,5% der Plastikobjekte im Vergleich zur OSPAR (Vertrag zum Schutz der Nordsee und des Nordostatlantiks) Erfassung gefunden werden. Die niedrige Erfassungsrate resultierte aus der Größenverteilung der Plastikobjekte mit der Mehrzahl der Objekte <10 cm, der heterogenen Strandumgebung und der Bodenauflösung (ground sample distance: GSD) von 1,4 cm und 3,4 cm für den RGB (Rot-Grün-Blau) - beziehungsweise den VIR (sichtbar - Infrarot) - Sensor. Eine (halb-) automatische Auswertung der Drohnenbilder wurde anhand verschiedener Anwendungen Maschinellen Lernens (Random Forest, Support Vector Machine, Neuronale Netzwerke) getestet. Die höchste Gesamtgenauigkeit (overall accuracy: OA) wurde unter Anwendung von Random Forest für VIR-Bilder erreicht mit einer OA von 90,6%. Die häufigste Fehlklassifikation von Plastikobjekten fand mit Steinen und Holz statt. Auf Grund des deutlich geringeren Müllvorkommens im Vergleich zum Vorkommen von Steinen und Holz, führte schon ein geringer Prozentsatz an falsch bestimmten Steinen und Holz zu einer erheblichen Überschätzung des Plastikmülls. Um den komplexen Umweltbedingungen und der Größenverteilung der Plastikobjekte in der Arktis gerecht zu werden, wird für zukünftige Studien eine GSD im Subzentimeter-Bereich empfohlen. Für große Flächen war das drohnenbasierte Strandmüll-Monitoring im Vergleich zum OSPAR-Monitoring bis zu 22-mal schneller, wohingegen für kleinere Flächen das OSPAR-Monitoring effizienter war. Trotzdem können Drohnenerfassungen auch für kleine Gebiete von Vorteil sein, da die Strände in der Arktis oft abgelegen sind und die Zeit an den Stränden begrenzt sein kann. Die Ergebnisse der WorldView 3 (WV3) -Bilder zeigen, dass die Erkennung von Strandmüll mit Satellitenbildern immer noch durch die räumliche Auflösung begrenzt ist und nur große Müllansammlungen erkennbar sind. Eine höhere räumliche Auflösung oder eine größere spektrale Abdeckung wäre erforderlich, um auch geringere Müllansammlungen an Stränden von Satelliten aus zu erkennen. In zukünftigen Studien sollten Anwendung der Sub-Pixel Klassifikation in Untersuchungsgebieten mit sehr hohemMüllaufkommen getestet werden, um die Mindestpixelabdeckung durch Plastikobjekte zu bestimmen, die für eine erfolgreiche Erkennungerforderlich ist. Die Ergebnisse einer solchen Auswertung können verwendet werden, um die Mindestauflösung von Satellitenbildern zu bestimmen, um Müllansammlungen, wie sie auf Grönland und Spitzbergen vorgefunden wurden, erkennen zu können. Quelle: Forschungsbericht

A consistent and Arctic-wide quantification of beach litter is an essential step for the development of a Regional Action Plan (RAP) as intended by the Protection of the Arctic Environment working group from the arctic council (PAME) for 221. The quantification of beach litter not only gives information on the actual state of pollution, but also allows for setting a baseline, which can be used to validate the possible success of measures implemented in an action plan.To achieve such a baseline, a uniform methodology is necessary which allows for a cost- and time-efficient monitoring of the Arctic coastlines. Traditional beach litter monitoring should be supported and spatially extended by applying remote sensing techniques, such as satellite imagery or drone surveys. The derivation of a suitable methodology is the major aim of this study. The new methods were tested on several hot spots of beach litter. For this purpose, hot spots were identified before, by analysing existing beach litter data, as well as information on sources and influencing factors (e.g. population density, sewage treatment, etc.). Statistical and modelling approaches were applied, suggesting potential hot spots of beach litter accumulation.To select a suitable methodology, a literature study was performed comparing the potential of different remote sensing techniques regarding spatial and spectral resolution, time and cost efficiency and their potential for a (semi-) automatic classification. Considering the restrictions of spatial resolution for all remote sensing techniques, this study focuses on macro litter (>2.5 cm). A combination of several methodologies was recommended and performed on beach sections on Greenland and Svalbard, i.e. satellite imagery with high spatial resolution data from drone surveys and results from conventional beach litter surveys applying the OSPAR method.The drone surveys were evaluated by a manual screening of the drone imagery and theapplication of machine learning approaches. During the manual screening of the drone imagery, up to 17.5% of the plastic items, identified during the OSPAR (Convention for the Protection of the North Sea and the North-East Atlantic) monitoring, could be detected. The low recovery rate is the result of the litter size distribution with most items <10 cm, the heterogenic beach environment, and the ground sample distance (GSD) (1.4 cm and 3.4 cm for the RGB (Red-GreenBlue) and the visible infrared (VIR) sensor, respectively). A (semi-) automatic classification of beach litter was applied testing machine learning approaches like Random Forest, Support Vector Machine, and Neural Network. The highest overall accuracy (OA) was reached applying Random Forest on VIR imagery with an OA of 90.6%, showing the potential of VIR imagery.Misclassifications of plastic objects applying machine learning algorithms occurred mainly with rocks and wood. As the occurrence of plastic objects was much smaller compared to rocks and wood, wrong assignments had a great impact on the classification maps and plastic was strongly overestimated. To meet up with the complex environmental conditions and the litter size distribution in the Arctic, a sub-centimetre GSD is recommended for future studies in the Arctic. For large areas, the drone-based beach litter monitoring was up to 22-times faster compared to the OSPAR monitoring. For small areas, an OSPAR monitoring could be more time efficient. Anyhow, drone surveys can also be beneficial for small areas, as the beaches in the Arctic are often remote and the time at the beaches is often limited. The results of the WorldView 3 (WV3) imagery showed that beach litter detection with satellite imagery is still limited by its spatial resolution and only large accumulations of litter seem to be detectable. The litter size and the spatial distribution of litter on the monitored Arctic beaches were too low to be identified on theWV3 imagery. A higher spatial resolution or a larger spectral coverage would be required to also detect lower litter accumulations on beaches from satellites. In future studies, sub-pixel detection approaches for beach litter detection should be tested for survey areas with very high litter abundances to determine the minimum coverage of plastics that is required for a successful detection. The results of such an evaluation can further be used to determine the resolution of satellite imagery needed to detect litter accumulations as found on Greenland and Svalbard. Quelle: Forschungsbericht

Uniform monitoring of beach litter in the Arctic is crucial for assessing the state of the environment and the success of measures against plastic debris to protect the marine environment. In this project, remote sensing methods such as satellite imagery and drone imagery were used to efficiently survey beaches in the Arctic. The results show that a combination of satellite imagery, drone imagery, and traditional mapping is most effective, and drone aerial surveys hold great potential for long-term monitoring of beach litter. Future studies should use higher resolution to capture smaller trash accumulations. These findings will help to better understand the environmental impact in the Arctic and to take appropriate action.