基于遙感技術的城市固體廢棄物堆場識別與評價

汪利平 鄧杰帆 楊 杭

(1.東莞市生態環保研究院 廣東東莞 523330；2.中國科學院空天信息創新研究院 北京 100101)

城市的發展，一方面為人類生產生活帶來了極大便利，并造就了現代社會文明和繁榮經濟；另一方面在劇烈地改變著原有的城市自然環境的同時，也帶來了一系列矛盾和問題，包括人地矛盾突出、城市環境污染、大氣污染、水資源匱乏和生物多樣性喪失等。其中，廢棄物在各種作用下，對地表水、地下水、環境空氣及土壤都產生嚴重污染[1]，尤其是固體廢棄物傾倒具有隨機性和隱蔽性，且還存在整治后重復傾倒的現象，監管難度較大[2]。傳統的露天固體廢棄物巡查不僅耗時耗力，且易出現盲點，因此，急需采用快速有效的手段實現環境監測與監管，同時創新監測手段，建立完備的監測體系和健全的監管機制，為固體廢棄物監測提供技術支撐，通過信息化建設促進生態環境保護與治理現代化[3]。

衛星遙感技術具有宏觀、動態和高空間分辨率特點，在固體廢棄物的監測和識別方面具有重要優勢。本文主要利用空間分辨率為2 m的高分一號(GF-1)和分辨率優于1 m的高分二號(GF-2)遙感衛星影像，利用ENVI軟件結合人工解譯提取固廢垃圾堆放區、固廢承載地(影像上表現為裸地)、在建工地和自然水體，并采用外業實測和無人機遙感監測相結合的方法對解譯結果進行驗證，最終得到精確的固體廢棄物遙感影像一張圖。同時，充分利用衛星影像回歸周期短的優勢，實現短時間內的多次監測，為城市固體廢棄物監測提供動態的時空數據支持。

1 研究數據與固體廢棄物識別方法

1.1 研究區數據獲取

本文選取某市某鎮作為研究區。該鎮境內有多條河流過境，人口和企業密度大，固體廢棄物污染問題突出，對利用衛星遙感技術進行動態監測有重大需求。

GF-1和GF-2均是我國自主研發的高空間分辨率光學衛星，在空間分辨率上，GF-2 PMS達到亞米級(星下點全色影像分辨率0.8 m)，具有高輻射精度、高定位精度和快速姿態機動能力等特點，但回歸周期長，尤其在多云雨的南方地區數據數量難以保證，而GF-2與空間分辨率為2 m的GF-1或GF-6(本文未使用，故不作介紹)組網使用，可以大大提高影像的獲取率。

因此，本文采用GF-1和GF-2兩種空間分辨率的衛星影像數據。表1為 GF-1和GF-2衛星的主要參數。

表1 衛星有效載荷技術指標Tab.1 Technical Indexs of Satellite Payload衛 星載 荷波段號譜段范圍/μm空間分辨率/m回歸周期/dGF-1全色多光譜像機10.45～0.90220.45～0.52830.52～0.59840.63～0.69850.77～0.89845GF-2全色多光譜像機10.45～0.90120.45～0.52430.52～0.59440.63～0.69450.77～0.89469

本文按照季度周期對固體廢棄物進行監測，采用的衛星影像數據來源于中國資源衛星應用中心官網，分別是拍攝于2019年第2季度、2019年第4季度的兩景GF-2 PMS遙感影像和拍攝于2019年第3季度、2020年第1季度的兩景GF-1 PMS遙感影像，如圖1所示。

圖1 研究區遙感影像

1.2 固體廢棄物識別方法

本文利用衛星遙感和無人機航空攝影測量技術協同實現對城市固體廢棄物的監測與精確排查，其技術路線如圖2所示。

圖2 固體廢棄物識別技術路線

固體廢棄物識別的主要操作步驟：

1)衛星影像數據預處理。GF-2號衛星原始數據包括2 m的全色數據和8 m的多光譜數據。首先，對多光譜數據進行輻射定標、大氣校正，獲取表觀反射率數據，然后進行正射校正處理，獲取8 m多光譜正射影像；其次，對全色影像進行輻射定標和大氣校正獲取表觀反射率數據，再進行正射校正，獲取全色正射影像；最后，對多光譜正射影像和全色正射影像進行影像融合，獲取2 m的融合多光譜數據。

2)建立固體廢棄物的解譯標志。根據獲取的歷史衛星遙感資料、無人機影像和生產經驗，建立固體廢棄物解譯標志，判讀固體廢棄物堆放點位置和各堆放點占地面積等。根據固體廢棄物堆放點的面積將固體廢棄物堆放點分為4 級：100～400 m2、400～1 000 m2、1 000～5 000 m2和> 5 000 m2。研究區固廢堆放點的遙感解譯標志如表2所示。

3)固體廢棄物堆放點與承載地類型識別。根據解譯標志建立影像解譯樣本，利用ENVI軟件對影像進行自動解譯，提取固體廢棄物堆放點與承載地類型。解譯結果經過分類后處理(聚類、腐蝕等)、二值化處理后得到分類結果并進行矢量化。分類結果滿足精度要求后，制作分類專題圖和外業核查路線圖，外業調查采取無人機結合現場詳查的方式進行，最終提交標準化后的矢量數據。

4)外業詳查。在固體廢棄物提取精度核查中，利用無人機遙感技術，按照設計的航線(見圖3)，針對區域目標獲取影像數據。對獲取的無人機多光譜影像進行輻射定標、影像鑲嵌和正射校正處理，獲取研究區域的無人機正射影像。根據無人機高分辨率正射影像對根據衛星影像提取的固體廢棄物堆放點進行精度驗證與核查。

表2 研究區固體廢棄物堆放點遙感解譯標志Tab.2 Remote Sensing Interpretation Signs of Solid Waste Dumping Sites in Study Areas固廢堆放點序號影像識別特征特征描述201903012 生活垃圾,色彩不規則,靠近民居,擴散性小201903020 建筑垃圾,不規則形狀,散亂堆積,靠近池塘201903008 混合垃圾,不規則形狀,散亂堆積,擴散性小201903017 建筑垃圾,顏色偏紅,靠近池塘2020010023 建筑垃圾,不規則形狀,散亂堆積,靠近池塘2020010007 生活垃圾,色彩不規則,靠近民居,擴散性小2020010002 混合垃圾,不規則形狀,散亂堆積,擴散性小2020010020 建筑垃圾,顏色白亮,靠近池塘

圖3 固體廢棄物堆放點無人機航線

5)固體廢棄物堆放點類別確定。根據無人機核查數據將固體廢棄物堆放點分為四大類：生活垃圾堆放點、建筑垃圾堆放點、工業垃圾堆放點和混合垃圾堆放點。對面積大于400 m2的廢棄物堆放點，需要進行無人機核查，根據無人機獲取的高清影像資料，進一步判別固體廢棄物的類型、周邊環境敏感點，分析環境風險程度，確定優先整治清單。

2 固體廢棄物識別結果分析

2.1 固體廢棄物堆放點綜合分析

根據得到的研究區固體廢棄物的識別結果，對研究區4個季度固體廢棄物堆放點數量進行統計，其結果見表3，對研究區2019—2020年面積大于400 m2的固體廢棄物堆放點的類別進行統計，其結果見表4。

根據表3和表4的統計結果，可以得出結論：研究區固體廢棄物堆放點在數量上，2019—2020年4個季度并無明顯地增加或者減少，在面積上，固體廢棄物堆放點大部分是小面積堆放點，固體廢棄物垃圾主要以建筑垃圾和生活垃圾為主，這兩種類型的垃圾約占總數的81.82%。

表3 研究區2019—2020年固體廢棄物堆放點數量統計Tab.3 Statistics on the Numbers of Solid Waste Dumping Sites in Study Areas from 2019 to 2020面積/ m22019年第2季度/個第3季度/個第4季度/個2020年第1季度/個總計/個數量占比/%<400282113157770.00400～1 00051441412.731 000～5 000201341917.27>5 000000000.00總計/個35223023110100.00

表4 研究區2019—2020年面積大于400 m2的固體廢棄物堆放點類別統計Tab.4 Statistics on the Categories of Solid Waste Dumping Sites(larger than 400 m2)in Study Areas from 2019 to 2020堆放點類別2019年第2季度/個第3季度/個第4季度/個2020年第1季度/個總計/個數量占比/%建筑垃圾堆放點40851751.52生活垃圾堆放點10721030.30工業垃圾堆放點000000.00混合垃圾堆放點2121618.18總計/個7117833100.00

對研究區2019年第2季度的固體廢棄物堆放點外業調查結果與本文識別方法得到的結果進行對比分析(見表5)。結果表明，本文提出的識別方法的識別準確率高達97%，具有較高的識別度，能滿足業務化工作需求。

2.2 固體廢棄物承載地綜合分析

對研究區2019—2020年4個季度的固體廢棄物承載地面積及數量進行統計(見表6)。統計結果表明，研究區固體廢棄物承載地單處面積較大，一般都大于1 000 m2，而且在空間分布上趨于均勻。因此可以認為研究區的固體廢棄物承載能力較好，能滿足目前固廢處理需求。

表5 研究區2019年第2季度固體廢棄物堆放點對比分析Tab.5 Comparative Analysis of Solid Waste Dumping Sites in Study Aresa in Second Quarter of 2019 面積/m2分析結果/個外業調查結果/個準確度/%<400282692.80400～1 0005683.301 000～5 00022100>5 00000100總計353497.10

表6 研究區2019—2020年固體廢棄物承載面積及數量統計Tab.6 Statistics on the Carrying Area and Quantity of Solid Waste in Study Areas from 2019 to 2020面積/m2總面積/m2季度均值/m2數量/處季度均值/處面積占比/%<4003 817.14954.281230.10400～1 00055 080.3213 770.0885211.511 000～5 000676 608.58169 152.142696718.61>5 0002 900 205.29725 051.321604079.77總計3 635 711.33908 927.83526132100.00

2.3 在建工地綜合分析

將2019—2020年4個季度的遙感影像進行疊加分析，在建工地空間分布如圖4所示。從圖4可以發現：在2019—2020年期間已完結的在建工地有4處，新增14處，新增在建工地主要分布在研究區的北部和南部。

圖4 研究區2019—2020年在建工地空間分布

2.4 傳統人工調查與基于衛星遙感技術城市固體廢棄物協同識別方法對比

傳統的依靠人力實地調查的方法存在成本高、效率低、精度低等特點。以2019年第2季度監測結果為例，研究區共發現固體廢棄物堆放點35處、固體廢棄物承載地139處、在建工地19處，需要調查這些固體廢棄物的位置、類別、面積和風險等級等。根據歷史經驗，本研究區采用傳統人工調查，完成一次巡查一個人需要約10.5 d，而利用衛星遙感技術，則需要1 d。因此采用衛星遙感技術可大幅度提高工作效率，減少工作時間。

利用衛星遙感技術獲取固體廢棄物堆放信息具有高時效、多維度和低成本的特點。遙感信息提取的成本通常包含購買影像的成本和解譯成本兩部分，本文使用的是我國自主研發的高分系列衛星影像，相較于外國衛星影像，影像獲取成本大大降低，而遙感解譯工作不超過7個工作日，獲取的影像數據具有覆蓋范圍大、時效性強、分辨率高等優勢。經統計分析，采用本方法的成本僅為人工成本的1/5。比較而言，遙感技術能夠大大降低監管成本，增強時效。

3 結 語

本文探討了基于衛星遙感影像和無人機遙感影像的城市固體廢棄物協同識別技術，實現了對城市固體廢棄物的高精度提取。研究結果表明，與傳統人工調查、單一依據衛星遙感技術調查相比，衛星遙感結合無人機遙感實地調查的城市固體廢棄物協同識別方法，不僅大大降低了城市固體廢棄物監測工作的人力和物力成本，而且識別準確率高達97%，具有較高的識別度，能滿足業務化工作需求。

借助基于衛星遙感影像和無人機遙感影像的城市固體廢棄物識別技術，不僅能對固體廢棄物現狀進行有效提取，更能通過長時間序列監測和多維度空間分析等，為固體廢棄物來源考察、環境污染等級評定和綜合治理方案確定等提供科學有效的依據。本研究的重要貢獻體現在兩個方面：

1)分別從衛星遙感和無人機遙感兩個尺度構建了研究區固廢堆放點遙感解譯標志庫，為業務化運行提供了重要的識別模式庫；

2)衛星遙感監測與無人機核查相結合，形成了衛星數據宏觀普查、無人機數據詳查以及二者相互驗證的技術流程和模式。