去年秋天，飓风“弗洛伦斯”袭击北卡罗来纳州时，洪水淹没了大片农田，并生动地展示了这个国家这个地区特别容易受到的一种威胁：大量动物粪便溢出到水道中。
北卡罗来纳州拥有世界上工业化养猪场最集中的地区之一，拥有 2000 多个养殖场，总共约有 1000 万头猪。大多数养殖场将粪便储存在称为“泻湖”的露天坑中，当这些泻湖溢出时，它们可能会用病原体、药物和营养物质污染水道，这些物质会造成严重的污染和健康风险。环境监督机构站在监测此类溢流事件和追踪损害的前线，无论是在北卡罗来纳州还是来自全国各地的其他牲畜和家禽养殖场。但首先，他们需要实际找到这些工业化农场——其中许多农场在法律上不需要公开其位置。这迫使潜在的监测者从卫星和航空图像中手动挑选农场——这项任务可能需要数月（或者，在爱荷华州的一个州立机构的案例中，超过三年）才能完成。
但斯坦福大学的研究人员找到了一种在更短时间内精确定位这些农场的方法，即通过使用机器学习来训练计算机模型来识别它们。“我们意识到这正是我们可以利用计算机视觉领域真正快速进步的地方，”斯坦福大学法学教授丹尼尔·何说，他是一篇新论文的合著者，该论文于本周发表在《自然·可持续性》杂志上。
支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道 订阅。 通过购买订阅，您正在帮助确保有关塑造我们当今世界的发现和想法的有影响力的故事的未来。
何和他的团队专注于称为集中动物饲养场 (CAFO) 的农场。 这些农场的定义是包含超过 1000 头肉牛、2500 头猪或 125,000 只肉鸡超过 45 天。 全国各地的 CAFO 每年产生约 3350 亿吨粪便——但它们不需要像管辖区和家庭必须处理人类排泄物那样处理粪便。“当一个 CAFO 可以产生相当于一个中等城市那么多的粪便[粪便废物]时，”何说，“我们如何确保美国的水道受到保护？”
联邦政府确实在一定程度上监管 CAFO 的污水排放。 环境保护署要求这些经营场所获得排放许可证，其中限制了废物量和 CAFO 可以合法排放废物的区域，但这些限制仅适用于主动将污水排放到水道中的经营场所。
一些农民表示，这些规则足以保护水道。“环保署的职责是保护美国的水域，确保它们可以安全饮用和休闲，”佐治亚州塔克市美国家禽和蛋品协会的环境保护副总裁保罗·布雷德韦尔说。“如果环保署对其法规感到满意，那么我们当然认为，如果我们遵守这些法规，那么[农民]将做好保护环境的工作。”
但一些环保组织认为，环保署的标准过于宽松，部分原因是这些标准没有考虑到飓风“弗洛伦斯”等风暴期间无法预见的溢流事件。 何说，这促使这些团体寻求更严格的监管和监督。
第一步是找到农场的位置。 为了训练计算机模型来提供帮助，何和他的团队汇编了来自北卡罗来纳州研究区域的 24,440 张公开可用的卫星图像。 一组学生帮助该团队手动筛选这些照片，寻找 CAFO 的标志性特征，例如成簇的长而窄的建筑物，以及猪场的露天泻湖（北卡罗来纳州的许多家禽养殖场没有此类泻湖，因为它们将废物储存在室内）。 该团队还识别出计算机可能误认为是 CAFO 的类似设施。 何解释说，例子包括飞机库，飞机库也经常聚集在一起，但往往位于混凝土跑道而不是农田之中。 一旦研究人员充分训练模型来区分 CAFO，该团队就证明计算机视觉可以成功识别出人工调查发现的 95% 的 CAFO，但时间不到人工调查的十分之一。
“那是我们强烈考虑投资的东西，”华盛顿特区非营利组织环境工作组 (EWG) 的空间分析主管索伦·伦德奎斯特说。 伦德奎斯特为何的团队提供了图像和指导，但不是这项新研究的作者。 他曾为他在 EWG 的工作进行过广泛的 CAFO 人工调查，并且亲身体验过这项任务是多么耗时。 “让计算机引导您查看的位置并手动验证计算机的结果肯定有助于简化流程，”他说。 伦德奎斯特还指出，随着 CAFO 继续迅速扩散，为环保组织的监测工作创造了一个移动的目标，这将尤其有价值。
尽管如此，伦德奎斯特指出，这项技术相对年轻，需要进行微调才能捕捉到不同 CAFO 设计的细微差别，尤其是在该国其他地区。 例如，中西部的猪 CAFO 通常缺乏北卡罗来纳州典型的室外粪便泻湖，因此该模型需要进行特定于区域的培训。 伦德奎斯特还指出，大多数非营利性环保组织可能没有能力自行部署该技术，至少在短期内是这样。 该软件需要一定程度的编码熟悉程度，学术团体可能具备，但非营利组织可能不具备。 何说，他们可能需要合作，至少在该技术的初始阶段是这样。
在这个早期阶段，该方法也无法完全消除人工识别农场位置的因素。 人们仍然需要手动确认计算机模型结果的准确性。 但该程序确实为加快这一过程提供了一个有用的起点。
“我们将其视为第一步，”何说，“展示机器学习如何成为对人工监测工作的一种可行且具有成本效益的补充。”