基于高分辨率影像的固体废物自动识别技术

随着经济快速发展,工业固废、非正规垃圾、未覆盖建筑渣土等固体废物急剧增加,对区域生态环境造成极大威胁。固废堆场具有面积小、分布散等特点,目前国内仍缺少针对各类固废堆场的遥感自动识别研究。为此,基于国产高分辨率卫星遥感数据,根据野外实地光谱采集结果,分别开展了未覆盖建筑渣土、工业固废及非正规垃圾的自动识别方法研究,提取研究区各类固废堆场。结果表明:未覆盖建筑渣土在蓝波段与绿波段分别存在"吸收谷"与"反射峰",基于该特征构建的比值指数模型,结合直方图双峰法阈值分割可以有效提取未覆盖建筑渣土区域;工业固废、非正规垃圾2种固废类型多样,光谱反射率没有明显规律,结合其纹理、色调等特征,采用面向对象多尺度分割、支持向量机监督分类方法能够较好地识别2种类型固废;基于自动化提取技术并结合人机交互判读方法,提取的研究区未覆盖建筑渣土、工业固废及非正规垃圾等3种固废堆场的精度分别达到96.83%、88.26%、85.71%,各类固体废物遥感识别精度较高,极大提高了固废监测效率。     

基于深度学习的遥感图像水边线提取方法与应用

本文提出一种基于注意力机制的像素级海陆语义分割网络A-Unet用来提取水边线，并通过条件随机场对A-Unet分类结果进行细化。以天津沿海地区的人工海岸与威海地区的基岩海岸为例，对所提方法进行了验证，实验表明，与其他水边线分割方法相比，本文提出的方法能够得到更精细的结果，实现对遥感图像水边线的像素级语义分割。该方法提取了天津地区近10年海岸线并对其变化趋势进行了定性和定量分析，可为城市海洋资源的合理开发、海洋生态环境的保护提供更好的决策与参考依据。