黑色防滲膜覆蓋的固體廢物堆放場TM圖像決策樹分類初探*

劉慶生

（中國科學院地理科學與資源研究所資源與環境信息系統國家重點實驗室，北京 100101）

黑色防滲膜覆蓋的固體廢物堆放場TM圖像決策樹分類初探*

劉慶生

（中國科學院地理科學與資源研究所資源與環境信息系統國家重點實驗室，北京 100101）

利用Landsat TM衛星遙感圖像數據對北京市有黑色防滲膜覆蓋的大型固體廢物堆放場進行了決策樹分類試驗。結果表明：輔以居民地、道路等信息，該方法可以很好地識別出有黑色防滲膜覆蓋的大型固體廢物堆放場。

黑色防滲膜；固體廢物堆放場；Landsat TM

城市固體廢物近年以高速度增長，已成為嚴重制約城市可持續發展的重要因素，它不僅占用大量的土地，同時引發一系列生態環境問題，破壞城市生產生活環境，進而可能誘發社會、經濟問題［1］。為了更好地處理這些廢物，一些大的城市生活垃圾填埋場隨之而生，特別是在我國，衛生填埋是城市生活垃圾處置的主要手段［2］。而且對垃圾填埋場，特別是大型的生活垃圾填埋場進行合理有效的監測、管理勢在必行［2］。遙感技術作為生活垃圾填埋場的監測和管理工具能夠大面積快速收集數據，能夠大量節省時間和運行管理費用，已經被許多城市應用于固體廢物堆放場的監測和識別中［3-12］。因此，筆者嘗試利用Landsat TM衛星遙感圖像數據對北京市有黑色防滲膜覆蓋的大型固體廢物堆放場進行決策樹分類。

1 材料與方法

1.1 北京市固體廢物現狀

北京市是中國特大城市之一，總面積16 410 km2，2004年常住人口1 392.7萬人。近十幾年來，北京市的城市固體廢物產生量大幅增加，固體廢物年增長率已經超過了全國平均水平，達到15%～20%［5］。北京市垃圾渣土管理處統計資料顯示，2004年北京市生活垃圾日產生量13 574 t，生活垃圾處理主要依賴衛生填埋。在北京，正規的固廢堆放場一般是外部為黑色和其它顏色的防滲覆蓋物，內部為未經遮蓋的垃圾，并建有運輸垃圾道路，這為遙感固廢堆放場的識別提供了基礎。

1.2 數據收集和預處理

選擇2007年5月28日的Landsat TM圖像作為試驗數據，對其進行相對輻射校正獲得大氣頂層反射率數據，然后進行幾何精校正。同時，收集整理北京市現有衛生填埋場位置和處置信息，獲得有黑色防滲膜覆蓋的大型固廢堆放場信息。

1.3 研究方法

目前由于國內外均缺少對城市固體廢物光譜特性的數據，而且城市固體廢物的光譜特性與城市中一些地物的光譜相當接近，尤其與城郊磚瓦屋頂的光譜接近，如果沒有地理知識的介入，單靠統計分類難以將廢物堆放場與其他地物分開。如采用非監督分類時，不僅成分不同的廢物堆放場將屬于不同的聚類，而且廢物堆放場多屬于不確定類，即分類的可靠性多數小于50%。因此采用分層分類法可克服該困難［1，3］。有黑色防滲膜覆蓋的大型固廢堆放場因黑色防滲膜材質與周圍地物光譜明顯不同，為這類城市固廢堆放場的分類識別提供了新的依據。

2 光譜參數計算

城市固廢堆放場屬人工目標，與植被、水體光譜特征有明顯不同，與建筑用地、裸地和濕地等光譜特征相似。從光譜特性中區分出城市固體廢物的主要參量有：固體廢物含水率、有機質含量及表面粗糙度等。利用這些參量與光譜的關系，通過選用合理的閾值，有效去除與城市固體廢物無關的像元，以區分出城市固體廢物堆放場［3］。區分城市固廢堆放場與非固廢堆放場光譜參數為Landsat TM數據各波段的比值或差比值。

2.1 SAVI計算

由于引入了土壤調節因子，因此，土壤調節植被指數SAVI=1.5（ρTM4-ρTM3）/（ρTM4+ρTM3+0.5），被認為最適合于研究低植被覆蓋區，如城市建成區，其探測植被覆蓋率的下限可低至15%，而歸一化差異植被指數NDVI只有30%。這使得建筑區、植被和水體3種地類在SAVI影像中會比在NDVI影像中更易區分［13］。城市固廢堆放場一般無植被覆蓋，可以用SAVI合理的閾值去除植被像元。

2.2 MNDWI計算

很多城市內水體都不同程度地受到污染，因此，修正歸一化差異水體指數MNDWI=（ρTM2-ρTM5）/（ρTM2+ρTM5），可以進一步增強水體與其他地類的反差，減少水體與建筑物以及水體與植被之間的光譜混淆，有利于城市水體的提取［13］。城市固廢堆放場只有濾液池為水體，因此可以用MNDWI合理的閾值去除水體像元，固廢堆放場會因生活垃圾等物質富含水分，有別于其他地類。

2.3 NDBI計算

歸一化差異建筑指數主要基于城市建筑用地（多為不透水面）在TM5波段的反射率高于TM4波段的特點而創建，即NDBI=（ρTM5-ρTM4）/（ρTM5+ρTM4）。但是，由于其他地類也都具有TM5波段的反射率大于TM4波段的特點，因此單靠NDBI提取城鎮用地不可靠［13］。城市固廢堆放場除周邊防滲工程外，大多被黏土和防滲膜覆蓋，因此可用NDBI部分區分城鎮用地和固廢堆放場。

3 決策樹建立

首先基于SAVI，選定合理的閾值（本文SAVI≥0.07），去除植被像元。然后對非植被部分，基于MNDWI，選定合理的閾值（MNDWI≥0.2），去除水體像元。最后基于NDBI和高亮地面（如機場等水泥地面）TM3＞TM1的特性，選定合理的閾值（NDBI＞0.0），區分亮色地物和暗色地物，決策樹構建完成，見圖1。黑色防滲膜被歸入暗色地物類，與圖像（RGB432假彩色圖像）中黑色調地物相混淆（如受污染、水體渾濁的內城河，鐵路，農村居民點，沼澤濕地等），門頭溝焦家坡衛生填埋場（圖2）、海淀六里屯衛生填埋場（圖3） 和豐臺永合莊臨時填埋場（圖4） 被很好地劃分為此類；灰色或黑色防滲膜被歸入亮色地物類，與圖像（RGB432假彩色圖像）中亮色調地物（如機場、建筑工地等） 和灰色調地物（如裸耕地等）相混淆，延慶小張家口衛生填埋場（圖5）、延慶永寧衛生填埋場（圖6）和懷柔廟城鎮衛生填埋場（圖7）被劃分為此類。

4 結論

利用Landsat TM衛星遙感圖像數據對北京市有黑色防滲膜覆蓋的大型固廢堆放場進行了決策樹分類，結果表明該方法可以較好地識別有黑色防滲膜覆蓋的大型固廢堆放場。防滲膜覆蓋范圍大的固廢堆放場容易與剔除植被和水體后的暗色地物相混淆，防滲膜覆蓋范圍小的固廢堆放場容易與剔除植被和水體后的亮色地物相混淆。如果疊加基礎地理數據中的道路和居民地數據，可以更進一步提高決策分類的精度。由于固廢堆放場和城郊磚瓦屋頂、鐵路和渾濁水體的光譜相接近，缺少固體廢物光譜特性的數據，因此準確提取固廢堆放場還需進一步深入研究。

［1］曹建軍，劉永娟.遙感圖像中城市固體廢物提取方法研究［J］.環境衛生工程，2008，16（5）：47-51.

［2］樊華，黃莉.遙感和地理信息系統對生活垃圾填埋場的監測與管理［J］.江西化工，2004（4）：50-52.

［3］王昕，段寧，徐貞元.衛星遙感在城市固體廢物堆識別中的應用［J］.環境科學研究，1997，10（5）：58-62.

［4］王學平，梅安新.遙感技術在上海市固體廢物分布調研中的應用［J］.上海環境科學，1995，14（10）：50-51.

［5］趙敬，臧克，宮輝力，等.遙感技術在北京市垃圾定位及處理中的應用［J］.首都師范大學學報：自然科學版，2005，26（3）：109-113.

［6］趙藏閃，鄭雯，姚慶軍，等.利用航空遙感技術對天津市垃圾堆放點的判釋和調查［J］.環境衛生工程，2003，11（1）：37-39.

［7］吳文偉，劉競.北京市固體廢棄物分布調查中遙感技術的應用［J］.環境衛生工程，2000，8（2）：76-78.

［8］ Fior F，Rosselli R，Silvestri S，et al.The Use of Remote Sensing and GIS to Map Illegal Dumps：A Project Sponsored by the Veneto Region［C］.Proceedings Sardinia 2005，Tenth International Waste Management and Landfill Symposium，SMargherita di Pula，Cagliari，Italy，2005.

［9］ Aristov M.Dumps and Landfills Monitoring Using High-resolution Satellite Images［M］//Jurgens C，ed.Remote Sensing-new Challenges of High Resolution，Bochum，2008.

［10］ Liu Y L，Ren Y H，Wang A H，et al.Identifying the Location and Distribution of the Open-air Dumps of Solid Wastes Using Remote Sensing Technique［M］//The International Archivesof the Photogrammetry，Remote Sensing and Spatial Information Sciences，Beijing，2008.

［11］ Yang K，Zhou X N，Yan W A，et al.Landfills in Jiangsu Province，China，and Potential Threats for Public Health：Leachate Appraisal and Spatial Analysis Using Geographic Information System and Remote Sensing［J］.Waste Manage，2008，28：2750-2757.

［12］ Silvestri S，Omri M.A Method for the Remote Sensing Identification of Uncontrolled Landfills： Formulation and Validation［J］.Int JRemote Sensing，2008，29 （4）：975-989.

［13］徐涵秋.基于壓縮數據維的城市建筑用地遙感信息提取［J］.中國圖象圖形學報，2005，10（2）：223-229.

Decision Tree Classification of Landsat TM Images for Solid Waste Dumps Covered with Black Impervious Membrane

Liu Qingsheng
（State Key Laboratory of Resources and Environmental Information System,Institute of Geographic Sciences and Natural Resources Research,CAS,Beijing 100101）

The test of decision tree classification for large-scale solid waste dumps covered with black impervious membrane in Beijing was carried out,using Landsat TM images.The results showed that this method was good for identification oflarge-scalesolid wastedumpscovered withblack imperviousmembranewiththecomplementofresidentand transportinformation.

black impervious membrane；solid waste dump；Landsat TM

P237；X33

A

1005－8206（2010） 01－0009－03

國家科技支撐計劃項目 (2008BAC34B06-7)

2009-08-28

劉慶生（1971—），副研究員，博士后，研究方向遙感與地理信息系統在生態環境評價中的應用，已公開發表“遼河三角洲土壤鹽漬化現狀及特征分析”等學術論文30余篇。

E-mail：liuqs@lreis.ac.cn。