城市固體廢棄物遙感監(jiān)測與管理比實(shí)地調(diào)查方法的比較

城市固體廢棄物遙感監(jiān)測與管理比實(shí)地調(diào)查方法的比較

遙感城市固廢的實(shí)時(shí)提取城市固體殘留物（以下簡稱“城市固體殘疾”）是指在人類生產(chǎn)、建設(shè)、日常生活和其他活動(dòng)中產(chǎn)生的固體或半固體殘留物，主要包括生活垃圾、建筑垃圾和工業(yè)垃圾。在過去的幾十年里,發(fā)展中國家城市化與城鎮(zhèn)化進(jìn)程加劇了城市固廢的產(chǎn)生。據(jù)統(tǒng)計(jì),中國660座城市每年共生產(chǎn)大約1.9億噸固廢,占全世界總量的29%。與日俱增的城市固廢產(chǎn)生了一系列嚴(yán)重的生態(tài)問題,例如污染附近的水體、空氣和生態(tài)環(huán)境,造成城市土地資源浪費(fèi),影響到人類的日常生活。因此,為改善城市土地資源管理,提高城市生態(tài)環(huán)境質(zhì)量,需對(duì)城市固廢進(jìn)行實(shí)時(shí)有效的監(jiān)測。實(shí)地調(diào)查與現(xiàn)場測量是城市固廢監(jiān)測與管理的常用方法。然而,城市固廢分布點(diǎn)隨機(jī)性大、分布范圍廣,這種監(jiān)測方式耗時(shí)費(fèi)力,效率不高。相比而言,不斷豐富的遙感影像數(shù)據(jù)具有較大優(yōu)勢(如成本低廉、覆蓋范圍廣、實(shí)時(shí)性好等),很適合用于城市固廢的實(shí)時(shí)提取。到目前為止,在應(yīng)用遙感數(shù)據(jù)的固廢提取方面,已有一些有益的嘗試。劉慶生等根據(jù)多時(shí)相19.5m空間分辨率的中巴資源衛(wèi)星數(shù)據(jù),利用決策樹分類技術(shù)對(duì)北京市一處覆蓋面積約20公頃的垃圾填埋場狀況進(jìn)行了變化監(jiān)測。Bagheri等根據(jù)1∶12000比例尺(空間分辨率大約為0.5m)的航空影像,目視判讀出美國新澤西州伯靈頓市地區(qū)的垃圾堆。Silvestri等根據(jù)1m空間分辨率的IKONOS衛(wèi)星影像數(shù)據(jù)進(jìn)行監(jiān)督分類的結(jié)果識(shí)別出分布在意大利的城市固廢堆。劉亞嵐等運(yùn)用北京1號(hào)小衛(wèi)星影像的4m分辨率融合數(shù)據(jù),結(jié)合人工目視解譯和計(jì)算機(jī)自動(dòng)分類,對(duì)北京市范圍內(nèi)露天堆放的城市固廢進(jìn)行了提取與變化監(jiān)測。顯然,中低空間分辨率的遙感影像數(shù)據(jù)多用來識(shí)別面積較大的垃圾填埋場,無法監(jiān)測大量面積較小的城市固廢堆。城市固廢成分和空間形態(tài)復(fù)雜,分布隨機(jī),基于高空間分辨率影像也難實(shí)現(xiàn)自動(dòng)提取。經(jīng)過合理規(guī)劃建設(shè)的垃圾填埋場能得到有效監(jiān)測和管理,而對(duì)環(huán)境威脅更大的小型露天固廢堆棄物無法有效監(jiān)測。因而,通過遙感技術(shù)識(shí)別并提取露天城市固廢堆十分必要。一直以來,基于像素的影像分析方法被廣泛應(yīng)用于中低分辨率遙感數(shù)據(jù)的信息提取。像元方法根據(jù)像元光譜的相似性進(jìn)行分類,能較好滿足中低分辨率的分類需求。然而,在高分辨率影像上,城市地物對(duì)象由一組像元組成,像元分析方法僅根據(jù)單個(gè)像元的光譜特征分類,忽視了像元之間的聯(lián)系,難以取得較好的分類效果?；趯?duì)象的影像分析方法用影像對(duì)象代替單個(gè)像元作為分析單元,充分利用了地理對(duì)象的光譜信息,以及語義特征(如對(duì)象的形狀、尺寸、紋理和上下文等)進(jìn)行分類,從而改善基于像素影像分析方法的分類精度。此外,由于城市固廢本身的復(fù)雜性,沒有相對(duì)統(tǒng)一的物質(zhì)組成和規(guī)則的形狀邊界,而且內(nèi)部結(jié)構(gòu)紊亂,使城市固廢在影像中表現(xiàn)出極大的異質(zhì)性,很難通過簡單的多尺度影像分割得到相對(duì)應(yīng)的影像對(duì)象,從而增加了提取城市固廢的難度。本研究旨在提出一種新的基于對(duì)象的影像分析方法,通過充分利用不同空間分辨率影像上城市固廢的光譜與紋理特征,來指導(dǎo)影像的分割與分類,從而識(shí)別出露天堆放的城市固廢。與現(xiàn)行的基于對(duì)象的方法不同,本方法不僅僅考慮單一空間分辨率上的多尺度影像對(duì)象,而且結(jié)合高空間分辨率影像和重采樣低異質(zhì)性影像提供的對(duì)象信息,可在改善高異質(zhì)性對(duì)象影像分割的同時(shí),提供更豐富的對(duì)象信息,用于城市固廢對(duì)象的自動(dòng)提取。1城市固廢提取研究區(qū)覆蓋了北京市海淀區(qū)和西城區(qū)的部分區(qū)域,面積約70km2(圖1)。其左上角鄰近北京市五環(huán)線西北角,屬于城市近郊。其右下角為二環(huán)線的西北角,屬于中心城區(qū)。隨著城市人口增加和舊城改造,大面積農(nóng)田和植被區(qū)被改造成建筑物與道路等城市不透水面,產(chǎn)生大量城市固廢,威脅著城市生態(tài)環(huán)境。實(shí)驗(yàn)數(shù)據(jù)為QuickBird衛(wèi)星影像,獲取時(shí)間為2002年3月14日。四個(gè)多光譜數(shù)據(jù)(藍(lán)波段450～520nm、綠波段520～660nm、紅波段630～690nm和近紅外波段760～900nm)空間分辨率為2.4m,全色波段數(shù)據(jù)(450～900nm)空間分辨率為0.6m。在固廢提取前,進(jìn)行了必要的正射、幾何精校正和Pan-Sharpen融合處理,使得多光譜影像數(shù)據(jù)也具有0.6m的空間分辨率。為了一定程度上抑制固廢堆影像對(duì)象的異質(zhì)性,同時(shí)避免因?yàn)榭臻g分辨率過小而不可識(shí)別,因而對(duì)0.6m分辨率影像按照3×3,5×5,7×7,9×9和11×11間隔進(jìn)行重采樣,得到5種分辨率(約1.8,3.0,4.2,5.4和6.6m)的重采樣低異質(zhì)性影像。2城市固廢提取的應(yīng)用高分辨率遙感影像提取城市固廢堆的方法,首先從物質(zhì)組成、影像特征和尺度效應(yīng)三個(gè)方面討論城市固廢提取存在的問題,由此得出具有針對(duì)性的提取方法。如圖2所示,城市固廢特征的三個(gè)方面之間存在一定的聯(lián)系?，F(xiàn)實(shí)世界中地理實(shí)體的物質(zhì)組成與空間形態(tài)決定了影像對(duì)象的光譜特征與紋理特征。同時(shí),這些影像特征又直接影響著影像分割,也產(chǎn)生了影像對(duì)象的尺度效應(yīng)。2.1廢棄物造林城市固廢分為居民生活垃圾、醫(yī)療垃圾、商業(yè)垃圾和建筑垃圾(也稱渣土)。在我國,城市固廢以建筑垃圾和生活垃圾為主,主要有廚房垃圾、街道廢棄物、灰塵渣土等。根據(jù)環(huán)保部門2002年的統(tǒng)計(jì)數(shù)據(jù),北京市的城市固廢主要由有機(jī)垃圾(45.77%)、塑料(15.49%)和渣土(14.59%)組成。在城市內(nèi),大部分的醫(yī)療垃圾和商業(yè)垃圾都在政府部門的監(jiān)管下被及時(shí)收集和處理;而露天的垃圾堆主要是由人口密集區(qū)域的居民生活垃圾和建筑垃圾所組成。綜上所述,城市固廢成分復(fù)雜,比例也不盡相同。2.2城市固廢堆分布如圖3所示,在真彩色合成的QuickBird融合影像上,城市固廢堆往往分布在密集居住區(qū)附近的空地或裸土地上。從影像上看,固廢堆的邊界模糊,形狀不規(guī)則,內(nèi)部紋理紊亂,可見其成分復(fù)雜。2.2.1高亮度地物的基本特征從光譜特征來看,研究區(qū)內(nèi)城市固廢堆的主要成分是渣土,極容易與裸土和建筑物發(fā)生混淆,而與水體和植被容易區(qū)分。為分析城市固廢與其他地物(水體、植被、道路、裸土和建筑物)的光譜差異,從影像上人工選取了60個(gè)對(duì)象樣本,統(tǒng)計(jì)了6種地物對(duì)象的光譜均值。圖4所示,四幅框圖分別表示樣本對(duì)象在藍(lán)、綠、紅和近紅外四個(gè)波段上的分布情況。圖中每個(gè)框圖表示一種地物在某個(gè)波段的光譜均值的分布情況與離散程度,框圖內(nèi)橫線表示樣本光譜均值的中值,上下兩條邊分別代表樣本光譜均值的下四分位數(shù)和上四分位數(shù),框圖外的橫線表示最大值和最小值,框圖內(nèi)包含了50%的樣本。圖4中,除植被在近紅外波段有高反射特性外,高亮度地物對(duì)象主要是裸地、固廢堆和建筑物,而低亮度的則是水體和道路。在紅波段,固廢樣本(光譜均值范圍351.61～389.00)與水體(133.74～167.85)、植被(182.35～228.67)和道路(212.26～225.37)區(qū)別明顯。然而仍有大約50%的固廢樣本與裸地(371.70～411.61)和建筑物樣本(341.93～384.63)難以區(qū)分。盡管可先將低光譜值的水體、植被、道路剔除,但固廢與裸地和建筑物對(duì)象仍然難以準(zhǔn)確區(qū)分。原因在于城市固廢中,裸土、渣土和水泥等成分主導(dǎo)了固廢的光譜特性,使得固廢具有介于裸土和混凝土之間的光譜。因此,僅根據(jù)光譜特征,很難提取城市固廢這種混合地物,需要進(jìn)一步對(duì)固廢的影像紋理特征進(jìn)行分析。2.2.2影像對(duì)象的特征影像紋理是描述影像光譜變化的一個(gè)重要特征?；叶裙采仃?graylevelco-occurrencematrix,GLCM)是一種常用的紋理描述方法。GLCM通過度量影像上光譜的空間相關(guān)特性來描述紋理。式(1)為GLCM計(jì)算方法,g(i,j|d,θ)表示影像上間距為d、方向?yàn)棣?、灰度為i和j的像素對(duì)出現(xiàn)的頻率。G(d,θ)=[g(i,j|d,θ)](1)G(d,θ)=[g(i,j|d,θ)](1)應(yīng)用GLCM可導(dǎo)出一系列統(tǒng)計(jì)量來描述影像對(duì)象的紋理。對(duì)于與固廢光譜混淆的三種地物樣本(裸地、固廢堆和建筑物),表1列出了影像數(shù)據(jù)中同質(zhì)性、對(duì)比度、異質(zhì)性、熵、標(biāo)準(zhǔn)差和相關(guān)性6種最典型紋理統(tǒng)計(jì)量測度。根據(jù)表1,固廢樣本的紋理均值介于裸地和建筑物之間。例如,固廢堆的同質(zhì)性紋理值均值為0.1225,大于裸地樣本的0.1181,小于建筑物樣本的0.1275。不難看出,單一分辨率上的紋理特征值分布范圍存在不同程度的重疊。進(jìn)一步比較三類地物樣本的紋理特征值,固廢對(duì)比度值為258.3460,與裸地(169.8142)和建筑物(407.9430)樣本具有較好的可分離性。2.3多尺度分割法基于對(duì)象的影像分析技術(shù)通過影像分割和影像分類,建立影像對(duì)象和現(xiàn)實(shí)世界中各種地物之間對(duì)應(yīng)關(guān)系。影像分割結(jié)果直接關(guān)系到最后信息提取的精度,分割對(duì)象與地物的邊界吻合度越高,信息提取結(jié)果越準(zhǔn)確。然而,不同地物異質(zhì)性不同,在具體影像分析中,需要尋找各自的最適宜分割尺度來獲得不同類型的影像對(duì)象。多尺度分割通過調(diào)整分割尺度來建立對(duì)象的層次關(guān)系。由于城市固廢影像異質(zhì)性強(qiáng),內(nèi)部結(jié)構(gòu)復(fù)雜,在0.6m高空間分辨率的影像上,若分割尺度參數(shù)偏小,固廢會(huì)被分割成很多細(xì)小的對(duì)象,易與裸地或建筑物混淆;若分割尺度參數(shù)偏大,又會(huì)造成單個(gè)影像對(duì)象過大,除包含固廢外,還含有其他地物(裸地或建筑物等)。由于城市固廢很強(qiáng)的異質(zhì)性,而影像分割又不能抑制異質(zhì)性,因此,通過降低影像分辨率來抑制復(fù)雜地物的異質(zhì)性,即在影像分割中不僅調(diào)節(jié)分割尺度參數(shù),同時(shí)也調(diào)節(jié)組成地理對(duì)象的像元大小,對(duì)對(duì)象內(nèi)部進(jìn)行模糊處理。選擇合適的空間分辨率與影像分割尺度,從而改善多尺度影像分割的結(jié)果。3固廢堆主要識(shí)別區(qū)域基于城市固廢的光譜特征、紋理特征與尺度效應(yīng),提出了多分辨率影像對(duì)象融合的城市固廢提取流程(圖5)。首先在低異質(zhì)性重采樣影像上進(jìn)行預(yù)分割,根據(jù)光譜特征之間的差異,排除部分不包含固廢的影像對(duì)象(水體、植被、道路和部分建筑物等),識(shí)別出包含固廢堆的感興趣區(qū)域。從低分影像上提取的感興趣區(qū)域包含了固廢堆對(duì)象,也可能包含其他地物對(duì)象,且空間范圍不準(zhǔn)確,需要利用高分影像數(shù)據(jù)進(jìn)一步細(xì)化。在高分影像上,對(duì)興趣區(qū)域進(jìn)行細(xì)分割,根據(jù)影像對(duì)象在兩個(gè)分辨率影像上的紋理特征剔除感興趣區(qū)域內(nèi)混淆的裸地與建筑物,僅保留城市固廢部分。工作中分別進(jìn)行了5組提取實(shí)驗(yàn),即分別用0.6m空間分辨率影像與其他5種重采樣低分影像數(shù)據(jù)進(jìn)行組合,然后分別將興趣區(qū)域與固廢堆的提取結(jié)果與人工目視識(shí)別結(jié)果進(jìn)行對(duì)比評(píng)價(jià)。3.1部分裸地的反射特性由城市固廢光譜特征可知,裸地、固廢和建筑物的亮度值遠(yuǎn)大于其他地物的亮度值,因而根據(jù)影像對(duì)象的亮度(Brightness),見式(2),在低分影像上排除低亮度的水體、植被和道路。亮度∶Brightness=Ν∑i=1wiΜi(o)Ν∑i=1wi(2)亮度∶Brightness=∑i=1NwiMi(o)∑i=1Nwi(2)其中,wi表示第i波段影像的權(quán)重,Mi(o)對(duì)象o在第i波段上的灰度值均值。為排除部分裸地和建筑物的干擾,改善興趣區(qū)域的識(shí)別精度,充分利用了影像對(duì)象在不同波段上的反射特性差異。為排除建筑物干擾,定義了對(duì)裸土比較敏感的渣土比率指數(shù)(ratioofmuckindex,RMI),見式(3)。裸地在綠波段具有較強(qiáng)的反射,在藍(lán)波段具有一定的吸收特性,依據(jù)這兩個(gè)波段灰度均值之比,可增大裸土與固廢和建筑物的可分離性。然后,根據(jù)部分裸地上長有植被的特點(diǎn),利用植被敏感的歸一化植被指數(shù)(normalizeddifferentialvegetationindex,NDVI),見式(4),根據(jù)植被在近紅外波段和紅色波段上的反射特性差異,可剔除興趣區(qū)域中混雜的有植被覆蓋著的裸地。渣土比率指數(shù)∶RΜΙ=ΜG(o)ΜB(o)(3)渣土比率指數(shù)∶RMI=MG(o)MB(o)(3)其中,MG(o)表示影像對(duì)象o在綠波段上的光譜均值,MB(o)為影像對(duì)象o在藍(lán)波段上的光譜均值。歸一化植被指數(shù)ΝDVΙ=ΜΝΙ(o)-ΜR(o)ΜΝΙ(o)+ΜR(o)(4)其中,MNI(o)表示影像對(duì)象o在近紅外波段上的光譜均值,MR(o)為影像對(duì)象o在紅波段上的光譜均值。3.2種地物的紋理特征對(duì)分辨率的響應(yīng)在從低空間分辨率影像上提取的感興趣區(qū)域中,由于空間分辨率較粗,既包含了固廢,也包含了被部分裸地與建筑物。因而需要根據(jù)固廢在高分辨率影像上的紋理特征進(jìn)一步剔除。為說明紋理特征與空間分辨率間的關(guān)系,根據(jù)對(duì)比度紋理特征對(duì)三種混淆地物的紋理進(jìn)行了對(duì)比分析。圖6中,三種地物的紋理值隨著空間分辨率的變化而變化。從0.6m到3m,紋理值首先隨著分辨率的降低而迅速增大,然后緩慢降低到一個(gè)穩(wěn)定值。同時(shí),隨著分辨率的變化,三類地物的可分離度也改變。在3m分辨率影像上的可分離度要明顯大于在0.6m影像上的可分離度;而當(dāng)空間分辨率低于5m時(shí),這三類地物的紋理值重疊范圍越來越大,最終難以區(qū)分。根據(jù)不同分辨率上的紋理值的差異,組合兩種分辨率上的紋理特征進(jìn)行分類,從而改善了固廢的提取精度。4提取精度評(píng)價(jià)圖7為從0.6m高分與3m低分影像組合提取的固廢分布結(jié)果。與北京市環(huán)線進(jìn)行對(duì)比,發(fā)現(xiàn)大部分固廢堆集中分布于三環(huán)線與四環(huán)線之間,而二環(huán)線附近分布較少。這與北京市的實(shí)際情況相符合。中心城區(qū)主要是行政機(jī)構(gòu)與商業(yè)中心,規(guī)劃合理,管理設(shè)施完善,因而固廢分布較少;城區(qū)外圍有較多的居民地和建設(shè)工地,因而產(chǎn)生了較多的城市固廢。由于缺乏固廢的實(shí)際調(diào)查數(shù)據(jù),通過目視解譯,從影像中判讀出112處固廢堆,然后與5組影像提取結(jié)果進(jìn)行對(duì)比,通過統(tǒng)計(jì)感興趣區(qū)域識(shí)別率,見式(5)、固廢堆涵蓋率(見式(6))和固廢堆準(zhǔn)確率(見式(7))評(píng)價(jià)了提取精度(見表2和表3)。興趣區(qū)域識(shí)別率R1=ΝRΟΙ+ΝRΟΙ(5)其中,NROI+表示涵蓋有目視解譯固廢的興趣區(qū)域個(gè)數(shù),NROI表示所有識(shí)別的興趣區(qū)域個(gè)數(shù)。固廢堆涵蓋率R2=ΝRef+ΝRef(6)其中,NRef+表示被興趣區(qū)域所覆蓋了的目視解譯固廢堆個(gè)數(shù),NRef表示目視解譯固廢堆的數(shù)目。固廢堆準(zhǔn)確率R3=ΝΜSW+ΝΜSW(7)其中,NMSW+表示與目視解譯固