基于國產(chǎn)高分遙感影像的城鎮(zhèn)生活垃圾監(jiān)管方法研究

文｜住房和城鄉(xiāng)建設(shè)部信息中心 秦海春

1 引言

隨著我國城鎮(zhèn)化快速發(fā)展，不斷增長的人口規(guī)模對城市基礎(chǔ)設(shè)施的承載能力提出越來越高的要求。以生活垃圾為例，城市核心區(qū)內(nèi)的生活垃圾目前可以實(shí)現(xiàn)市政的統(tǒng)一收集和統(tǒng)一處理。但在城市周邊，尤其是在城郊結(jié)合地帶，由于發(fā)展快、責(zé)任不明確、收集和處置成本高等因素，易形成一些長期無人處理的垃圾堆放點(diǎn)，長期露天堆放易對周邊的大氣、水體形成污染，形成社會廣泛關(guān)注的“垃圾圍城”現(xiàn)象。

本課題通過利用國產(chǎn)高分辨率對地遙感數(shù)據(jù)，對無錫市及其周邊地區(qū)進(jìn)行連續(xù)監(jiān)測，根據(jù)規(guī)模較大垃圾堆點(diǎn)的遙感特征建立識別模型，自動識別疑似目標(biāo)，輔以人工識別對疑似目標(biāo)進(jìn)行篩選。通過現(xiàn)場信息采集驗(yàn)證提取結(jié)果，進(jìn)一步完善提取模型，探索形成基于國產(chǎn)高分遙感數(shù)據(jù)的城鎮(zhèn)生活垃圾監(jiān)測方法，為有效發(fā)現(xiàn)和消除城鎮(zhèn)周邊的無主垃圾堆點(diǎn)做出貢獻(xiàn)。

2 數(shù)據(jù)準(zhǔn)備

本課題研究使用2015年8月2日高分二號衛(wèi)星的影像數(shù)據(jù)，包括1m分辨率全色波段數(shù)據(jù)和4m分辨率多光譜數(shù)據(jù)，參數(shù)見表1：

對基礎(chǔ)影像數(shù)據(jù)進(jìn)行了處理，包含幾何精校正、輻射校正、影像融合、影像拼接以及裁切。在融合環(huán)節(jié)中，將1m分辨率全色波段數(shù)據(jù)和4m分辨率多光譜數(shù)據(jù)進(jìn)行融合，成果數(shù)據(jù)集成多光譜和高分辨率的特性。

表1 高分二號衛(wèi)星數(shù)據(jù)參數(shù)

3 分析方法

3.1 垃圾堆解譯標(biāo)志

根據(jù)部分已知垃圾堆放點(diǎn)的分布位置與影像特征，可以建立起垃圾堆放點(diǎn)在遙感影像圖上的解譯標(biāo)志，主要的特征包括顏色、紋理、形狀、尺寸以及地理位置等[1]。圖1是研究區(qū)的典型垃圾堆放點(diǎn)的遙感影像圖。

圖1 典型垃圾堆的遙感影像圖

表2 五類訓(xùn)練樣本在b1、b2波段的光譜亮度值

表3 五類訓(xùn)練樣本在b3、b4波段的光譜亮度值

圖2 五類地物在四個(gè)波段的亮度均值響應(yīng)曲線

由于垃圾堆放處通常由多類垃圾組成，導(dǎo)致影像多呈現(xiàn)發(fā)白發(fā)虛，且顏色一般不均勻的特征。而生活垃圾中存在較多的塑料袋，導(dǎo)致其光譜反射率較高，在影像上往往呈現(xiàn)高亮白色。堆放時(shí)間過長的垃圾堆，表面可能會有土覆蓋，但仍混雜著灰白色物體。

垃圾堆表面紋理結(jié)構(gòu)明顯，表面灰白相間，紋理比較粗糙。

垃圾堆的形狀一般不規(guī)則，與周邊地物的邊界比較模糊，呈堆積狀分布，有明顯的立體狀，表面凹凸不平。

垃圾堆的尺寸無特定規(guī)律，且尺寸可能差異較大。

生活垃圾一般堆積在居民區(qū)周圍的空地上，往往有小路連接且小路到此中斷[2]，還可能分布在近郊的公路邊、河邊以及土坑中。

3.2 垃圾堆光譜特征分析

在遙感圖像計(jì)算機(jī)的分類實(shí)踐中，訓(xùn)練區(qū)選擇對分類精度的好壞有重要影響。選擇訓(xùn)練區(qū)的主要原因是為了估計(jì)每一地物類型的光譜分布統(tǒng)計(jì)特征參數(shù)。我們選取5類具有代表性的訓(xùn)練樣本進(jìn)行提取分析，分別是水、道路、植被、建筑物和垃圾堆。

我們提取這五類地物的訓(xùn)練樣本在高分遙感影像各個(gè)波段的光譜亮度值，并進(jìn)行統(tǒng)計(jì)。如表2、表3所示：

根據(jù)同一類訓(xùn)練樣本數(shù)據(jù)在不同波段上的光譜亮度最小值、最大值、平均值以及均值統(tǒng)計(jì)數(shù)據(jù)，生成這五類地物的亮度響應(yīng)曲線。我們發(fā)現(xiàn)利用最大值、最小值、平均值統(tǒng)計(jì)數(shù)據(jù)生成的亮度響應(yīng)曲線，垃圾堆與水、道路、建筑物、植被這四類地物在這四個(gè)波段中沒有很明顯的區(qū)分開，而利用均值統(tǒng)計(jì)數(shù)據(jù)后，生成的亮度均值響應(yīng)曲線，在第二波段能很明顯的區(qū)分出來，如圖2所示：

3.3 決策樹分類

決策樹方法是目前應(yīng)用最廣泛的歸納推理算法之一，是一種逼近離散值函數(shù)的方法，該算法采用的是一種二分遞歸分割技術(shù),即將當(dāng)前樣本集分割成兩個(gè)子樣本集,使生成的決策樹的每一個(gè)非葉子節(jié)點(diǎn)都有兩個(gè)分支, 最后生成結(jié)構(gòu)簡單的二叉樹[3]。技術(shù)路線如圖3所示：

我們通過訓(xùn)練樣本分析出來的5類地物在四個(gè)波段的亮度均值響應(yīng)曲線，可以看到在b2波段時(shí)，建筑物和垃圾堆能明顯的與水、道路、植被這三類地物區(qū)分出來，下一步就是建筑物與垃圾堆的區(qū)分，這里我們將用到SAVI指數(shù)[4]。

SAVI定義為：

其中ρR為紅光波段的反射率，ρNIR為近紅外波段反射率，L取值0.5。

與歸一化差異植被指數(shù)NDVI相比，SAVI增加了土壤調(diào)節(jié)系數(shù)L，可用其來解釋背景的光學(xué)特征變化，并且修正NDVI對土壤背景的敏感。最適合于研究低植被覆蓋區(qū)，如城市建成區(qū)。通過設(shè)置SAVI閾值可將垃圾堆與建筑區(qū)分開來，本研究在研究區(qū)選擇足夠數(shù)量的訓(xùn)練樣本，對垃圾堆的SAVI值與建筑物SAVI值進(jìn)行統(tǒng)計(jì)分析，最終確定-0.3至-0.2為垃圾堆，否則為建筑物。

圖3 技術(shù)路線

決策樹分類的結(jié)果中垃圾堆與建筑物容易發(fā)生混淆，但是由于建筑物的形狀特征比較規(guī)則，而垃圾堆放點(diǎn)的形狀非常不規(guī)則，我們還需進(jìn)一步借助3.1中建立的解譯標(biāo)志進(jìn)行垃圾堆人機(jī)交互提取，過濾掉錯分的建筑物信息，確定垃圾堆放點(diǎn)的分布情況。

3.4 結(jié)果驗(yàn)證

通過基于高分遙感影像數(shù)據(jù)的提取和識別，課題組在無錫市周邊發(fā)現(xiàn)多處疑似垃圾堆放點(diǎn)，經(jīng)相關(guān)部門篩選過濾后，課題組赴現(xiàn)場進(jìn)行了信息采集，確認(rèn)為垃圾堆放點(diǎn)，這些垃圾堆放點(diǎn)主要分布在新建小區(qū)和村鎮(zhèn)周邊，主要由居民生活垃圾和建筑垃圾構(gòu)成，如圖4所示：

圖4 垃圾堆

4、結(jié)論

本文基于高分二號遙感影像數(shù)據(jù)，對無錫市垃圾堆放點(diǎn)進(jìn)行識別分析。通過研究發(fā)現(xiàn)，采用目視特征在高分遙感數(shù)據(jù)上判讀城市垃圾位置需要非常大的時(shí)間和人力，對城市垃圾的監(jiān)管效率不高。采用光譜影像特征，結(jié)合決策樹分類方法進(jìn)行垃圾堆放點(diǎn)的自動識別提取，雖然很多城市垃圾容易與裸土和建筑物發(fā)生混淆，但通過此方法，可快速提取疑似目標(biāo)地物的位置，再通過人工目視和實(shí)地驗(yàn)證，提高城市垃圾監(jiān)管效率。此外，城市垃圾自身具有復(fù)雜性，同時(shí)實(shí)驗(yàn)缺乏大量的實(shí)際垃圾堆數(shù)據(jù)的支持，研究方法還需完善，提取精度有待進(jìn)一步提高。