Machbarkeitsstudie chemischer Bodenschutz mit REMAP (Remote sEnsing and Machine-learning for chemicAl soil Protection)

• Forschungsstelle: BAFU
• Projektnummer: UTF 657.05.21

Schlüsselwörter (Deutsch)

High-resolution hyperspectral imaging, Plastik, Bodenschutz

Kurzbeschreibung (Deutsch)

Die Belastung der landwirtschaftlich genutzten Böden mit Plastik steigt. Für die Schweiz wird geschätzt, dass etwa 160 t jährlich u.a. durch Littering und als Verunreinigungen in Bodenverbesserungsmitteln wie Kompost in diesen Böden eingebracht werden. Dieser Plastik bedroht das Ökosystem langfristig sowohl direkt durch mögliche Toxizität von Inhaltsstoffen und als Fremdstoff aber auch indirekt als Träger von persistenten Schadstoffen. Der Nachweis und die Identifikation von Plastik in unterschiedlichen Bodenschichten sind wichtige Schritte, um Böden gegen diese chemische Verschmutzung zu schützen, indem das Gefahrenrisiko gemäss Indikatoren abgeschätzt wird. Solche Indikatoren basieren auf wissenschaftlichen Daten, die mittels unterschiedlichen Messmethoden gesammelt wurden. Sie sind erforderlich, um eine gezielte Reduktion des Plastikeintrags zu gewährleisten und damit die Umwelt besser schützen.Viele der bisher verwendeten Methoden sind allerdings zeit- und personalintensiv. High-resolution hyperspectral imaging (HI) ist ein vielversprechendes Verfahren, um Plastik nachzuweisen. Es nutzt einen breiten Bereich des elektromagnetischen Spektrums und bildet unterschiedliche Stoffe aufgrund ihres unterschiedlichen Musters an elektromagnetischen Wellen differenziert ab. Auf einer Drohne eingesetzt könnten die neuen handlicheren Kameras für die Überwachung von Plastik auf Feldern als schnelle und kostengünstige Lösung eingesetzt werden. Allerdings fehlen bis jetzt spezifische spektrale Referenzgrössen, mit denen die «Bilder» einem bestimmten Stoff zugeordnet werden können. Deshalb soll in diesem Projekt ein Algorithmus für maschinelles Lernen und ein künstliches neuronales Netzwerk zur Mustererkennung mit einer automatischen HI-Datenverarbeitung und MP-Erkennung entwickelt werden. Makroplastik kann mit der Drohne im Feld entdeckt werden. Mikroplastik wird im Labor ebenfalls mit Hilfe von HI in Bodenproben nachgewiesen. So kann eine Datenbasis mit verschiedenen Referenzgrössen erstellt werden. Nach der Validierung der Software in der Praxis soll im Feld überprüft werden, ob mit Hilfe dieser HI-Drohnen-Technologie Mikrokunststoffe bis hin zu tieferen Bodenhorizonten identifiziert werden können. Mit den erhobenen Daten soll ein Modell für das Verhalten von Mikroplastik im Boden berechnet werden, , das auf bestimmten Indikatoren basiert, wie z.B. Plastikart, Bodeneigenschaften.
Das Projekt wurde aufgrund des Beitragsgesuchs vom 11.11.2020 genehmigt.

Ergebnisse gemäss Vertrag (Deutsch)

1. Die Geräte (unbemannte Drohnen, Hyperspectral Technologie) für die verschiedenen Anwendungen (Drohne, Labor) sind ausgewählt und beschafft. Meilenstein 1
2. Erste Flüge wurden durchgeführt und die Einflussfaktoren für eine gute Datenerhebung sind bekannt. Der statistische Signalverarbeitungs- und der maschinellen Lernansatzes sind ausgewählt. Meilenstein 2
3. Repräsentative Bodenproben für die Bestimmung verschiedener Arten von Mikroplastik sind präpariert und charakterisiert. Meilenstein 3
4. Die in diesen Proben gefundenen unterschiedlichen Mikroplastik-Sorten wurden anhand von Hyperspektral-Bildern identifiziert und charakterisiert. Eine realistische Einschätzung der Teilchengrösse, die im Feld mit dieser Technologie erkennt werden können, wird hergeleitet Meilenstein 4
5. Ein erstes Modell für Ablagerung und Transport von Mikroplastik im Boden ist berechnet. Eine Liste der möglichen Indikatoren, die zur Erkennung von Plastikkontamination an der Bodenoberfläche und in den tieferen Bodenschichten helfen kann, ist erstellt. Meilenstein 5
6. Ein Schlussbericht mit Darstellung der Ergebnisse aus 1 bis 5 und mit Überlegungen wie die gewonnenen Informationen für die Konzipierung von Schutzmassnahmen genutzt werden können sowie dem weiteren Vorgehen ist redigiert und dem BAFU abgegeben.
7. Textbausteine, Illustrationen und mindestens 3 Fotografien
   (genauere Angaben s. Beilage 2) für die Verwendung in öffentlichen Publikationen sind
   bereitgestellt und dem BAFU abgegeben.
8. Eine Präsentation der Ergebnisse mit entsprechender Power-Point Darstellung ist dem BAFU abgegeben und kann auf Nachfrage beim BAFU vorgetragen werden.

Projektziele (Deutsch)

Ein kostengünstiges System bestehend aus Drohne und einer Hyperspektral-Bildtechnologie zur Erkennung von Plastik im Feld ist aufgebaut. Für häufige Plastiksorten sind deren spektrale Muster als Referenzgrössen in einer Datenbank erfasst. Auf dieser Grundlage wird ein erstes Modell für die Detektion von Mikroplastik im Boden entwickelt inkl. Indikatoren zu den verschiedenen Einflussgrössen.

Beschreibung der Resultate (Englisch)

In this feasibility study we tested a new, rapid, and inexpensive method to accurately detect and quan­tify microplastics (MP, from 0.5 mm-5mm) on soil surfaces and in the deeper soil layers based on multispectral imaging combined with drone technology as well as high resolution, hyper­spect­ral imaging both coupled with machine-learning and artificial neural network for pattern re­cog­nition. A hyperspectral database for machine learning and pattern recognition was developed using four initial representative plastics: (polyethylene (PE), polyethylene terephthalate (PET), polystyrene (PS) and polypropylene (PP)). These standards were then analyzed alone, together and mixed in an organic compost-soil matrix to develop the machine-learning algorithm and artificial neural network (ANN) for pattern recognition. To check the reproducibility and accuracy of the ANN, soil samples were collected at locations with a known history of agricultural plastic usage and analyzed for MP detection and identification.

Umsetzung und Anwendungen (Englisch)

In Switzerland, about 16`000 t of plastic is applied annually to agricultural lands and about 160 tons of plastic remain in the soil per year. These entries can lead to plastic concentrations in topsoils (0-25 cm) of up to 200 mg kg^-1. The presence of macro- (>5 mm), micro- (1 µm-5mm) and nanoplastics (<1 µm) in the soils is a problem of growing concern, because they may pose a risk to soil ecosystems and freshwater, and potentially for human health.

There are however no standardized methods for quick, in-situ identification of plastics on land surfaces and in the deep soil layers. Current methods for soil plastic load calculations and plastic identification consist of field sampling campaigns combined with physical laboratory extraction followed by particle characterization. Such characterization methodologies are much too time consuming to be practically applied.

Weiteres Vorgehen (Englisch)

This feasibility study served as the cornerstone for a subsequent Innosuisse project, which was approved by the Innosuisse Innovation Council in May 2022.