首页 > 协会活动 > 浏览文章
大会报告丨陈强：天空地一体化城市建筑垃圾遥感智能监测关键技术与应用
2024年8月24日，2024年（第六届）建筑垃圾与城市发展大会在北京建筑大学西城校区隆重召开，北京建筑大学测绘与城市空间信息学院副院长/副教授陈强分享了天空地一体化城市建筑垃圾遥感智能监测关键技术与应用。
陈强，北京建筑大学测绘与城市空间信息学院副院长，副教授，博士。兼任北京测绘学会青年工作委员会副主任委员，北京地理学会遥感与地理大数据委员会秘书长。入选北京市科协青年人才托举，北京建筑大学金字塔人才培养工程 “建大英才”。主要从事城市空间高分遥感应用领域研究，主要研究方向为高分遥感影像分析、城市精细化信息管理、城市热空间遥感分析，城市生态环境遥感应用，城市自然灾害应急等。主持国家自然科学基金、北京市自然科学基金、国家重点研发计划子课题等科研项目10余项，获得省部级以上科研奖励5项，发表期刊论文50余篇，授权发明专利10余项。
一、研究背景
1.建筑垃圾产生量及危害
1）产生量逐年增长；2）影响城市环境；3）占用土地污染空气；4）城市建筑垃圾分散，规模复杂；5）安全隐患。
2.需求总结：利用信息化手段 + 进行建筑垃圾全程管理
早在2005年，建设部颁布了《城市建筑垃圾管理规定》，标志着我国建筑垃圾步入了规范管理的轨道。2016年住建部组织编制了《2016-2020年建筑业信息化发展纲要》，特别强调推动信息化管理水平，充分发挥信息化的引领和支撑作用。
2020年9月1日开始实施的《中华人民共和国固体废物污染环境防治法》（简称新固废法，将“建筑垃圾”从原固废法中的“生活垃圾”单独分出来，并新增了大量建筑垃圾方面的条文，提出“施行建立建筑垃圾全过程管理制度，规范建筑垃圾产生、收集、贮存、运输、利用、处置行为，推进综合利用，加强建筑垃圾处置设施、场所建设，保障处置安全，防止污染环境。”
二、研究内容
1.建筑垃圾遥感特征提取技术
1）建筑垃圾光谱特征选择与提取技术
-
问题：多源遥感数据的数据量大，存在大量数据噪声，不利于建筑垃圾光谱特征的选择与提取。
-
解决方案：从光谱特征位置搜索和光谱距离统计角度入手，分析对比建筑垃圾光谱特征的可分性增强程度，研究建筑垃圾光谱特征的选择方法；通过综合利用光谱吸收特征、导数光谱、光谱吸收指数、光谱编码方法来实现建筑垃圾光谱特征的提取。
-
目标：实现对建筑垃圾典型光谱特征的检索和提取；实现对多源遥感数据中建筑垃圾相关隐含信息的提取与表达。
2）建筑垃圾多维遥感特征库构建
-
问题：多维建筑垃圾遥感特征库国内外尚未有明确的建立；建筑垃圾典型遥感特征库如何支持建筑垃圾精确管控的实现。
-
解决方案：使用多源遥感数据，结合建筑垃圾的光谱选择方法、光谱特征提取技术和人工智能算法等对建筑垃圾典型遥感特征进行快速、高精度的提取并构建数据库。最终形成拥有多时相光谱特征、多层次空间特征的建筑垃圾多维遥感特征库。
-
目标：构建建筑垃圾产生、存放和处理过程的多维遥感特征库；分析研究区建筑垃圾影像、光谱特征与堆砌体的特征，便于南北方建筑垃圾对比研究工作的开展。
2.建筑垃圾遥感智能识别技术
1）建筑垃圾人工解译和半自动提取技术
-
问题：建筑垃圾光谱和纹理特征复杂，遥感识别、定位及分类困难。
-
解决方案：构建研究区多源遥感监测影像数据库；融合多源数据形成正射融合影像数据库；人工判读结合半自动解译。
-
目标：建立建筑垃圾遥感影像解译标志库；形成建筑垃圾人工解译和半自动提取技术方法体系。
2）基于机器学习的建筑垃圾快速定位及识别
-
问题：建筑垃圾人工或者半自动识别效率低；无法在区域范围利用计算机自动化实现。
-
解决方案：融合多源遥感数据构建建筑垃圾分类样本库；深度机器学习算法；建筑垃圾快速自动识别技术。
-
目标：基于机器学习的建筑垃圾快速识别技术体系。
3.建筑垃圾遥感动态变化检测技术
1）建筑垃圾空间变化检测技术
-
问题：如何快速准确获取不同类型、碎片离散的建筑垃圾空间分布与类型变化信息，尤其是非法违规的小规模建筑垃圾消纳场。
-
解决方案：建筑垃圾遥感变化特征提取与优化选择；自适应变化矢量分析遥感变化检测技术；不同类型的材质变化分析。
-
目标：实现针对碎片离散、随机分布、类型复杂的建筑垃圾遥感变化检测；快速获取非法违规的建筑垃圾堆放区域与时间。
2）建筑垃圾体量变化检测技术
三、研究进展
1.建筑垃圾典型遥感特征分析与提取
1）野外实测采样及样本光谱测量
在成都、北京、平顶山分别实地采集防尘网、裸土、砖块、鹅卵石、混凝土块、空心砖块、白色瓷砖、石膏墙体板等共17种。使用SVC HR_1024i光谱仪对样本进行材料光谱测量，其光谱探测范围为350～2500nm，光谱采样间隔分别为1.5nm、3.8nm和2.5nm。采取在室内人工光源环境中进行地物光谱检测，减少环境因素造成的影响，获取理想状态下准确光谱数据。
2）光谱特征处理
光谱特征处理实现基线校正、光谱归一化、插值等处理，实现谱图优化；利用Kubelka-Munk、Kramers-Kroni、ATR等函数实现校正；进行峰位置的确定、峰高度、面积的计算和吸收峰拟合，获得谱峰参数；运用光谱差减、光谱去卷积和导数光谱去除背景吸收或杂光反射信号，进行谱图分辨与解析。
3）遥感分类特征和变化检测光谱特征的提取
根据实地采集光谱，深入分析建筑垃圾类型和特点，结合多源遥感影像数据分析结果，采用多元散射校正、光谱求导、光谱倒数对数、S-G卷积平滑以及包络线去除等方法对光谱进行处理，提取有助于快速、精确识别建筑垃圾的遥感分类特征，以及检测建筑垃圾堆积区域变化的光谱特征。
4）建筑垃圾多维遥感特征库构建
在Microsoft Visual Studio 2019 集成开发环境下，基于Visual C# 与SQL Server 关系型数据库，结合VB.NET和ENVI软件，采用浏览器/服务器模式，构建了集建筑垃圾光谱数据、影像数据、环境参数、地信知识等于一体的多维遥感特征库。
2.基于GEE和机器学习的建筑垃圾智能识别
遥感影像数据较快的采集大范围的地物信息，为大范围的建筑垃圾自动识别提供了可靠的数据源。
随着人工智能的发展，机器学习算法用于遥感影像的分类识别研究，也被用于建筑垃圾研究，例如基于迁移学习再训练模型的建筑垃圾自动识别算法研究。
Google Earth Engine(GEE) 是一个基于云的地理空间数据处理平台，为用户提供了海量的地理空间数据与强大的云上计算平台，为科学研究提供了帮助。
1）建筑垃圾智能识别样本库构建
融合多源遥感影像数据（高分2号、吉林1号、资源3号，哨兵2号等），筛选出典型的建筑垃圾样本图像形成了建筑垃圾标注样本库：包含30292张建筑垃圾和110110张典型地物在内的共计140402个样本，为建筑垃圾识别模型奠定了基础。
2）基于Google Earth Engine和机器学习的建筑垃圾遥感识别方法
3）注意力机制增强的卷积神经网络建筑垃圾遥感智能分割方法
引入改进DeepLabv3+深度学习模型进行建筑垃圾遥感自动识别方法研究，主要提出了一种融入空域注意力机制的Deeplabv3+网络(SM-Deeplabv3+)作为建筑垃圾深度学习模型。与原始网络对建筑垃圾识别结果进行对比，SM-Deeplabv3+识别精度在92%以上，建筑垃圾区域的边界也更加精细。
4）基于SM-Deeplabv3+的建筑垃圾遥感智能分割
由于遥感影像上具有大量的地表覆盖类型，注意力机制的引入能够使模型聚焦在感兴趣的区域上，从而减弱其他地表覆盖对结果的影响。SM-Deeplabv3+在Precision、F1-score、mIoU三个评价指标上均取得最大值，SM-Depplabv3+的识别结果相较于原始网络与真实区域更加接近。
5）建筑垃圾遥感遥感智能分割网络模型对比结果
基于注意力机制增强的卷积神经网络（SM-Deeplabv3+）作为深度学习框架，该网络较好地保留了建筑垃圾区域的边界特征并且减少了背景的干扰。实验结果表明，SM-Deeplabv3+识别不同纹理特征的建筑垃圾更加精确，并且相比于Deeplabv3+的识别结果具有更加精细的区域边界。
3.基于空地数据融合的建筑垃圾二三维变化检测
1）结合面向对象和JM_RelifF的建筑垃圾变化特征选择技术
利用面向对象影像分割技术获取高分卫星遥感影像上关于建筑垃圾堆存区域的斑块，然后利用JM结合RelifF算法对建筑垃圾堆存区域对象中的变化特征进行提取与选择，获取包括光谱特征、形状特征、纹理特征在内的多种变化特征，用于进行决策分类和变化检测。
2）基于特征决策分类结果及CVA-SGD法的建筑垃圾面积变化检测
综合变化矢量分析和变化斜率差异两种方法的优势，使用不同的阈值分割算法提取建筑垃圾的变化区域，探索适用于高分遥感影像中建筑垃圾变化检测的阈值分割算法，进一步增强影像上微小变化对象的识别能力，实现对建筑垃圾面积变化细节信息的掌握。
3）顾及遥感主导变化特征的建筑垃圾堆体三维变化发现技术
利用高程等特征与监督分类的方法和自适应粗糙度相结合提取建筑垃圾堆体与建筑物。其中，监督分类可以较好地提取绿网覆盖的建筑垃圾堆体，自适应粗糙度对裸露的建筑垃圾有较好的适应性。
4）基于激光SLAM的建筑垃圾堆存采集设备研制
自主研发背包、手持等便携式、轻量化的激光采集设备，突破激光和惯导的高精度自动标定，时间同步等关键技术，能够更灵活的适应室内外的采集环境，可用于建筑垃圾堆存区域复杂场景的激光扫描数据实时采集。
5）基于空地融合的建筑垃圾堆体三维模型构建
在无人机与地面三维激光扫描测量手段的基础上，使用主成分分析法和基于K-D tree的ICP算法对无人机航测影像和地面点云数据进行融合，弥补堆积体顶部缺失和侧面空洞，将其构建成完整的堆体三维模型。
6）基于特征离散积分差值法的建筑垃圾堆体三维变化检测
7）建筑垃圾堆存体失稳分析与预测模型
在获得建筑垃圾堆体的三维模型的基础上进行失稳分析，采用分步失稳分析法与有限元分析法和极限平衡法相结合的方式，通过计算坡度、坡向、剖面曲率等六项失稳影响因子，对有失稳风险的建筑垃圾堆体进行失稳预测。
四、应用推广
1.建筑垃圾识别监测系统设计与研发
在开源WebGIS系统组件服务模型基础上构建建筑垃圾识别监测系统，实现多源监测数据展示、监测结果统计分析，堆体三维可视化等功能。
2.全国建筑垃圾管理平台信息上报系统研发与应用
1）针对住建部建筑垃圾治理试点工作需要，受住建部及中国城市环境卫生协会建筑垃圾管理与资源化工作委员会委托，课题组于2019年初承担了全国建筑垃圾管理平台信息上报系统的任务。系统包含建筑垃圾监管信息上报、数据查询检索、统计分析、预测预警，规范化建筑垃圾全链条监管。
2）系统自2019年6月由住建部发文正式上线试运行，并一直贯穿于建筑垃圾试点工作整个过程，极大改善了35个试点城市的建筑垃圾治理工作信息上报方式，有效解决了试点地区与住建部相关建筑垃圾管理部门信息交互不及时的问题，为全国建筑垃圾治理试点工作提供了有力支持。
3.服务全国5个示范城市的建筑垃圾智能管控
五、结论
1.建筑垃圾的遥感快速识别、定位及分类困难，除了建筑垃圾本身的复杂特征外，多源遥感影像的尺度差异、光谱差异等进一步加剧了建筑垃圾快速识别的难度。
2.识别场地的复杂性，粗糙度较低的被绿网覆盖的平整建筑残留体，不易识别。
3.机器学习识别中，除了算法参数的影响外，样本数据的来源，样本数量，训练/验证集的划分比例等都会影响最终的分类性能。
4.深度学习方法以及三维变化检测有较大的发展空间，也是研究的趋势和热点，亟需利用多源数据建立对应的建筑垃圾遥感监测体系。
