建筑垃圾堆放点样本集构建与优化研究

为更好地解决手工制作的建筑垃圾堆放点样本集效率低、数据量少,难以支撑基于深度学习的遥感图像目标检测算法训练需求的问题,采用基于像素的遥感分类方法构建建筑垃圾堆放点样本集,在此基础上结合直方图均衡化,CS-LBP算子约束以及迁移学习的方法对Wasserstein生成对抗模型（WGAN）进行优化,实现了样本集扩充。研究结果表明:相对于纯手工制作的样本集,基于像素的遥感分类方法可以显著提升样本集制作的效率;同时,经过WGAN优化后,生成样本模拟了原始数据的颜色与纹理特征分布规律,增加了原始数据的多样性,满足了扩充样本集的需求。     

建筑垃圾空间分布、体量及变化量监测和模拟交叉学科研究进展

建筑垃圾具有复杂的时空特征,其产生量、变化量难以估算和准确监测,测绘科学和环境科学领域均针对这些问题进行了相关研究。建筑垃圾的多源遥感精准识别、堆放量和变化量的准确监测与模拟,是加强城市生态环境保护和治理,揭示城市建筑系统代谢机理的基础和关键。从多学科交叉视角,梳理国内外建筑垃圾空间分布、体量估算及变化监测与模拟的发展趋势和代表性研究进展,以期进一步支撑环境保护和城市建筑代谢的深入研究。将建筑垃圾监测及其空间分布分为传统方法和机器学习或深度学习辅助的遥感识别方法进行总结。建筑垃圾的体量估算方法包括基于统计数据和基于立体模型的估算方法。最后总结了建筑垃圾变化量动态监测和城市建筑代谢模拟的研究现状。通过系统分析和总结该领域的研究成果,提出目前存在的问题以及未来发展趋势的展望,对提高建筑垃圾等固体废物的监管水平,保护城市生态环境,促进城市建筑代谢的交叉学科研究具有参考价值。