论文题目：基于无人机遥感和计算机解译的岸滩塑料垃圾监测技术
摘要：海洋塑料污染由于对海洋生态系统和人类健康造成潜在风险而成为全球性重要议题。岸滩区域作为陆源和海源塑料垃圾迁移交汇的中间地带,是塑料垃圾蓄积的重要场所。长期以来国内外通过实地采样调查监测岸滩垃圾,但该方法存在效率低、监测范围有限与可比性差等缺陷。因此,有待开发客观、高效和可重复的垃圾监测方法。近年来无人机遥感技术不断引入用于海洋垃圾监测,但在研究区域上以国外沙质海滩案例研究为主,对国内自然滩涂和人工堤坝岸线的研究仍然缺乏,本地化的垃圾无人机遥感数据集有待构建。现有研究尚未形成数据采集与分析的流程化监测方案,不同计算机解译技术对塑料垃圾的识别效果以及不同监测场景的适用性有待进一步研究。为开发适用于我国岸滩塑料垃圾的无人机遥感与计算机解译监测技术,本研究首先以上海市崇明岛为重点研究岸滩,在不同航飞条件下对含塑料垃圾断面的无人机遥感影像进行多次采集,通过将影像目视解译和现场观测与采样鉴定相结合,构建满足识别要求的岸滩垃圾无人机影像数据采集方法学。其次对采集的大量高分辨率无人机影像进行标注,创建本地化的海洋垃圾遥感影像数据集,并基于机器学习和深度学习技术开发海洋垃圾分布提取和分类量化识别上的计算机解译手段。最后以我国不同的河口区域为例探索监测技术方案的适用性,并拓展应用于崇明岛岸滩塑料垃圾在台风前后时空变化、清理前后的削减效果等不同监测场景中。本研究的主要结果与结论如下:在崇明岛10个含塑料垃圾岸滩断面的研究表明,目视解译对塑料垃圾的识别率受到航高与垃圾尺寸的影响。采用航飞高度30 m垂直拍摄获取并处理的无人机正射影像,能够满足对主要类别塑料垃圾的目视解译识别要求,平均识别率达到74.2%。运用遥感软件ENVI的深度学习模块与机器学习功能,实现了无人机遥感数据中的垃圾区域与环境背景的像素分类。对影像中塑料垃圾分布提取上达到79.1%的识别精度。无人机多光谱数据的运用进一步提高了对白色泡沫识别精度,达到85.2%。研究训练了基于卷积神经网络的目标识别模型,编程构建了自动化批量处理的垃圾分类识别与污染统计方法。计算机自动解译影像对各类塑料垃圾的识别准确率达到77.9–81.5%水平,回收率达45.6%–60.6%水平。监测技术方案推广到辽河口、黄河口和苏北岸滩时,对塑料垃圾总体监测精度可保持识别准确率77.43%–89.29%,回收率45.17%–86.21%的水平。最后,运用监测技术在崇明岛岸滩区域分析了垃圾时空变化,评估得出台风使岸滩监测区域垃圾存量总体增加964个,增幅达86%,其中增量最多为塑料泡沫类垃圾。评估得出清理前后单个岸滩断面垃圾总数削减85.4%–96.1%,占地面积减少22.7–42.5 m~2,面积削减比例范围为81.3%–92.5%。应用该技术识别崇明岛东滩不同空间位置5组岸滩垃圾得出该区域塑料垃圾数量密度为0.07–0.12个/m~2。应用结果表明,本研究发展的监测技术河口岸滩塑料垃圾分析中有较好的适用性。本研究通过将无人机遥感技术与计算机解译方法结合,构建了河口岸滩大型塑料垃圾污染的快速分析方法,实现了对区域海洋垃圾的空间分布、存量估算的遥感监测应用。所提方法能够为海洋垃圾的遥感监测技术开发和岸滩垃圾科学问题研究提供支撑和借鉴,未来应从航测方案、解译方法等方面持续改进,以提升对复杂海岸带环境中更多垃圾类别的识别效果。
关键词：海岸带;塑料垃圾;快速评估监测;无人机;计算机解译
学科专业：环境科学
摘要
ABSTRACT
缩略词
第一章 绪论
1.1 研究背景和意义
1.1.1 岸滩塑料垃圾
1.1.2 现场调查监测方法
1.1.3 监测岸滩塑料垃圾的挑战和意义
1.2 国内外研究现状
1.2.1 海洋垃圾主流遥感监测技术
1.2.2 无人机可见光遥感海洋垃圾监测研究进展
1.2.3 无人机多/高光谱遥感监测海洋垃圾研究现状
1.2.4 无人机数据的垃圾解译方法
1.3 研究内容、目的和意义
1.3.1 研究内容
1.3.2 研究目的和意义
第二章 基于无人机的海滩垃圾影像采集与目视解译分析
2.1 研究区域概况
2.2 采样点设置
2.3 采样与数据处理方法
2.3.1 无人机设备参数及采集方案
2.3.2 无人机影像预处理
2.3.3 基于目视解译法提取影像垃圾
2.3.4 野外调查验证无人机影像目视解译
2.3.5 典型垃圾样品的理化特征鉴定
2.4 结果
2.4.1 岸带航拍影像中垃圾分布特征
2.4.2 岸带主要垃圾组成及其理化特征
2.4.3 基于目视解译的岸带航拍影像垃圾提取
2.5 讨论
2.6 本章小结
第三章 基于无人机影像与光谱数据的垃圾区域提取
3.1 材料与方法
3.1.1 无人机低空影像与光谱数据采集
3.1.2 塑料垃圾反射波谱分析
3.1.3 无人机影像垃圾区域提取
3.1.4 无人机多光谱数据垃圾区域提取
3.1.5 垃圾区域提取精度检验
3.2 结果
3.2.1 无人机影像垃圾提取结果
3.2.2 塑料垃圾反射光谱特征
3.2.3 多光谱数据垃圾提取结果
3.3 讨论
3.3.1 无人机影像垃圾提取技术特点
3.3.2 无人机多光谱提取塑料垃圾的技术特点
3.3.3 垃圾区域提取与面积估算的影响因素
3.4 本章小结
第四章 基于卷积神经网络目标检测的岸滩塑料分类与量化
4.1 材料与方法
4.1.1 数据采集及数据集构建
4.1.2 深度学习框架平台及技术流程
4.1.3 网络模型选取与训练
4.1.4 模型精度评估
4.1.5 塑料垃圾真实数量估算方法
4.1.6 模型部署与应用
4.2 结果
4.2.1 机器学习的解译效果示意图
4.2.2 机器学习的解译精度评价
4.2.3 案例应用结果
4.3 讨论
4.3.1 基于无人机遥感与机器学习解译的方法流程
4.3.2 无人机遥感与机器学习解译技术的识别效果
4.3.3 技术方法的不确定性和局限性分析
4.3.4 技术方法的应用潜力分析
4.4 本章小结
第五章 无人机监测技术在河口海岸塑料垃圾识别中的应用与验证
5.1 数据采集与实验设计
5.1.1 辽河口、黄河口与苏北湿地无人机数据采集
5.1.2 无人机监测技术在不同河口适用性实验设计
5.1.3 崇明岛岸滩不同区域数据采集
5.2 结果
5.2.1 监测技术对不同河口塑料垃圾的识别评价
5.2.2 台风前后岸滩塑料垃圾存量变化
5.2.3 岸滩清理前后塑料垃圾削减
5.2.4 岸滩塑料垃圾污染存量与空间分布分析
5.3 讨论
5.3.1 监测技术在不同河口应用的效果分析
5.3.2 无人机监测技术方案的发展趋势
5.4 本章小结
第六章 结论与展望
6.1 主要研究结论
6.2 研究创新
6.3 研究展望
参考文献
致谢