去年秋天，颶風“弗洛倫斯”襲擊北卡羅來納州時，洪水淹沒了大片農田，並生動地展示了這個國家這個地區特別容易受到的一種威脅：大量動物糞便溢位到水道中。
北卡羅來納州擁有世界上工業化養豬場最集中的地區之一，擁有 2000 多個養殖場，總共約有 1000 萬頭豬。大多數養殖場將糞便儲存在稱為“瀉湖”的露天坑中，當這些瀉湖溢位時，它們可能會用病原體、藥物和營養物質汙染水道，這些物質會造成嚴重的汙染和健康風險。環境監督機構站在監測此類溢流事件和追蹤損害的前線，無論是在北卡羅來納州還是來自全國各地的其他牲畜和家禽養殖場。但首先，他們需要實際找到這些工業化農場——其中許多農場在法律上不需要公開其位置。這迫使潛在的監測者從衛星和航空影像中手動挑選農場——這項任務可能需要數月（或者，在愛荷華州的一個州立機構的案例中，超過三年）才能完成。
但斯坦福大學的研究人員找到了一種在更短時間內精確定位這些農場的方法，即透過使用機器學習來訓練計算機模型來識別它們。“我們意識到這正是我們可以利用計算機視覺領域真正快速進步的地方，”斯坦福大學法學教授丹尼爾·何說，他是一篇新論文的合著者，該論文於本週發表在《自然·可持續性》雜誌上。
支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。 透過購買訂閱，您正在幫助確保有關塑造我們當今世界的發現和想法的有影響力的故事的未來。
何和他的團隊專注於稱為集中動物飼養場 (CAFO) 的農場。 這些農場的定義是包含超過 1000 頭肉牛、2500 頭豬或 125,000 只肉雞超過 45 天。 全國各地的 CAFO 每年產生約 3350 億噸糞便——但它們不需要像管轄區和家庭必須處理人類排洩物那樣處理糞便。“當一個 CAFO 可以產生相當於一箇中等城市那麼多的糞便[糞便廢物]時，”何說，“我們如何確保美國的水道受到保護？”
聯邦政府確實在一定程度上監管 CAFO 的汙水排放。 環境保護署要求這些經營場所獲得排放許可證，其中限制了廢物量和 CAFO 可以合法排放廢物的區域，但這些限制僅適用於主動將汙水排放到水道中的經營場所。
一些農民表示，這些規則足以保護水道。“環保署的職責是保護美國的水域，確保它們可以安全飲用和休閒，”佐治亞州塔克市美國家禽和蛋品協會的環境保護副總裁保羅·佈雷德韋爾說。“如果環保署對其法規感到滿意，那麼我們當然認為，如果我們遵守這些法規，那麼[農民]將做好保護環境的工作。”
但一些環保組織認為，環保署的標準過於寬鬆，部分原因是這些標準沒有考慮到颶風“弗洛倫斯”等風暴期間無法預見的溢流事件。 何說，這促使這些團體尋求更嚴格的監管和監督。
第一步是找到農場的位置。 為了訓練計算機模型來提供幫助，何和他的團隊彙編了來自北卡羅來納州研究區域的 24,440 張公開可用的衛星影像。 一組學生幫助該團隊手動篩選這些照片，尋找 CAFO 的標誌性特徵，例如成簇的長而窄的建築物，以及豬場的露天瀉湖（北卡羅來納州的許多家禽養殖場沒有此類瀉湖，因為它們將廢物儲存在室內）。 該團隊還識別出計算機可能誤認為是 CAFO 的類似設施。 何解釋說，例子包括飛機庫，飛機庫也經常聚集在一起，但往往位於混凝土跑道而不是農田之中。 一旦研究人員充分訓練模型來區分 CAFO，該團隊就證明計算機視覺可以成功識別出人工調查發現的 95% 的 CAFO，但時間不到人工調查的十分之一。
“那是我們強烈考慮投資的東西，”華盛頓特區非營利組織環境工作組 (EWG) 的空間分析主管索倫·倫德奎斯特說。 倫德奎斯特為何的團隊提供了影像和指導，但不是這項新研究的作者。 他曾為他在 EWG 的工作進行過廣泛的 CAFO 人工調查，並且親身體驗過這項任務是多麼耗時。 “讓計算機引導您檢視的位置並手動驗證計算機的結果肯定有助於簡化流程，”他說。 倫德奎斯特還指出，隨著 CAFO 繼續迅速擴散，為環保組織的監測工作創造了一個移動的目標，這將尤其有價值。
儘管如此，倫德奎斯特指出，這項技術相對年輕，需要進行微調才能捕捉到不同 CAFO 設計的細微差別，尤其是在該國其他地區。 例如，中西部的豬 CAFO 通常缺乏北卡羅來納州典型的室外糞便瀉湖，因此該模型需要進行特定於區域的培訓。 倫德奎斯特還指出，大多數非營利性環保組織可能沒有能力自行部署該技術，至少在短期內是這樣。 該軟體需要一定程度的編碼熟悉程度，學術團體可能具備，但非營利組織可能不具備。 何說，他們可能需要合作，至少在該技術的初始階段是這樣。
在這個早期階段，該方法也無法完全消除人工識別農場位置的因素。 人們仍然需要手動確認計算機模型結果的準確性。 但該程式確實為加快這一過程提供了一個有用的起點。
“我們將其視為第一步，”何說，“展示機器學習如何成為對人工監測工作的一種可行且具有成本效益的補充。”