黑色防渗膜覆盖的固体废物堆放场TM图像决策树分类初探*

刘庆生

（中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室，北京 100101）

黑色防渗膜覆盖的固体废物堆放场TM图像决策树分类初探*

刘庆生

（中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室，北京 100101）

利用Landsat TM卫星遥感图像数据对北京市有黑色防渗膜覆盖的大型固体废物堆放场进行了决策树分类试验。结果表明：辅以居民地、道路等信息，该方法可以很好地识别出有黑色防渗膜覆盖的大型固体废物堆放场。

黑色防渗膜；固体废物堆放场；Landsat TM

城市固体废物近年以高速度增长，已成为严重制约城市可持续发展的重要因素，它不仅占用大量的土地，同时引发一系列生态环境问题，破坏城市生产生活环境，进而可能诱发社会、经济问题［1］。为了更好地处理这些废物，一些大的城市生活垃圾填埋场随之而生，特别是在我国，卫生填埋是城市生活垃圾处置的主要手段［2］。而且对垃圾填埋场，特别是大型的生活垃圾填埋场进行合理有效的监测、管理势在必行［2］。遥感技术作为生活垃圾填埋场的监测和管理工具能够大面积快速收集数据，能够大量节省时间和运行管理费用，已经被许多城市应用于固体废物堆放场的监测和识别中［3-12］。因此，笔者尝试利用Landsat TM卫星遥感图像数据对北京市有黑色防渗膜覆盖的大型固体废物堆放场进行决策树分类。

1 材料与方法

1.1 北京市固体废物现状

北京市是中国特大城市之一，总面积16 410 km2，2004年常住人口1 392.7万人。近十几年来，北京市的城市固体废物产生量大幅增加，固体废物年增长率已经超过了全国平均水平，达到15%～20%［5］。北京市垃圾渣土管理处统计资料显示，2004年北京市生活垃圾日产生量13 574 t，生活垃圾处理主要依赖卫生填埋。在北京，正规的固废堆放场一般是外部为黑色和其它颜色的防渗覆盖物，内部为未经遮盖的垃圾，并建有运输垃圾道路，这为遥感固废堆放场的识别提供了基础。

1.2 数据收集和预处理

选择2007年5月28日的Landsat TM图像作为试验数据，对其进行相对辐射校正获得大气顶层反射率数据，然后进行几何精校正。同时，收集整理北京市现有卫生填埋场位置和处置信息，获得有黑色防渗膜覆盖的大型固废堆放场信息。

1.3 研究方法

目前由于国内外均缺少对城市固体废物光谱特性的数据，而且城市固体废物的光谱特性与城市中一些地物的光谱相当接近，尤其与城郊砖瓦屋顶的光谱接近，如果没有地理知识的介入，单靠统计分类难以将废物堆放场与其他地物分开。如采用非监督分类时，不仅成分不同的废物堆放场将属于不同的聚类，而且废物堆放场多属于不确定类，即分类的可靠性多数小于50%。因此采用分层分类法可克服该困难［1，3］。有黑色防渗膜覆盖的大型固废堆放场因黑色防渗膜材质与周围地物光谱明显不同，为这类城市固废堆放场的分类识别提供了新的依据。

2 光谱参数计算

城市固废堆放场属人工目标，与植被、水体光谱特征有明显不同，与建筑用地、裸地和湿地等光谱特征相似。从光谱特性中区分出城市固体废物的主要参量有：固体废物含水率、有机质含量及表面粗糙度等。利用这些参量与光谱的关系，通过选用合理的阈值，有效去除与城市固体废物无关的像元，以区分出城市固体废物堆放场［3］。区分城市固废堆放场与非固废堆放场光谱参数为Landsat TM数据各波段的比值或差比值。

2.1 SAVI计算

由于引入了土壤调节因子，因此，土壤调节植被指数SAVI=1.5（ρTM4-ρTM3）/（ρTM4+ρTM3+0.5），被认为最适合于研究低植被覆盖区，如城市建成区，其探测植被覆盖率的下限可低至15%，而归一化差异植被指数NDVI只有30%。这使得建筑区、植被和水体3种地类在SAVI影像中会比在NDVI影像中更易区分［13］。城市固废堆放场一般无植被覆盖，可以用SAVI合理的阈值去除植被像元。

2.2 MNDWI计算

很多城市内水体都不同程度地受到污染，因此，修正归一化差异水体指数MNDWI=（ρTM2-ρTM5）/（ρTM2+ρTM5），可以进一步增强水体与其他地类的反差，减少水体与建筑物以及水体与植被之间的光谱混淆，有利于城市水体的提取［13］。城市固废堆放场只有滤液池为水体，因此可以用MNDWI合理的阈值去除水体像元，固废堆放场会因生活垃圾等物质富含水分，有别于其他地类。

2.3 NDBI计算

归一化差异建筑指数主要基于城市建筑用地（多为不透水面）在TM5波段的反射率高于TM4波段的特点而创建，即NDBI=（ρTM5-ρTM4）/（ρTM5+ρTM4）。但是，由于其他地类也都具有TM5波段的反射率大于TM4波段的特点，因此单靠NDBI提取城镇用地不可靠［13］。城市固废堆放场除周边防渗工程外，大多被黏土和防渗膜覆盖，因此可用NDBI部分区分城镇用地和固废堆放场。

3 决策树建立

首先基于SAVI，选定合理的阈值（本文SAVI≥0.07），去除植被像元。然后对非植被部分，基于MNDWI，选定合理的阈值（MNDWI≥0.2），去除水体像元。最后基于NDBI和高亮地面（如机场等水泥地面）TM3＞TM1的特性，选定合理的阈值（NDBI＞0.0），区分亮色地物和暗色地物，决策树构建完成，见图1。黑色防渗膜被归入暗色地物类，与图像（RGB432假彩色图像）中黑色调地物相混淆（如受污染、水体浑浊的内城河，铁路，农村居民点，沼泽湿地等），门头沟焦家坡卫生填埋场（图2）、海淀六里屯卫生填埋场（图3） 和丰台永合庄临时填埋场（图4） 被很好地划分为此类；灰色或黑色防渗膜被归入亮色地物类，与图像（RGB432假彩色图像）中亮色调地物（如机场、建筑工地等） 和灰色调地物（如裸耕地等）相混淆，延庆小张家口卫生填埋场（图5）、延庆永宁卫生填埋场（图6）和怀柔庙城镇卫生填埋场（图7）被划分为此类。

4 结论

利用Landsat TM卫星遥感图像数据对北京市有黑色防渗膜覆盖的大型固废堆放场进行了决策树分类，结果表明该方法可以较好地识别有黑色防渗膜覆盖的大型固废堆放场。防渗膜覆盖范围大的固废堆放场容易与剔除植被和水体后的暗色地物相混淆，防渗膜覆盖范围小的固废堆放场容易与剔除植被和水体后的亮色地物相混淆。如果叠加基础地理数据中的道路和居民地数据，可以更进一步提高决策分类的精度。由于固废堆放场和城郊砖瓦屋顶、铁路和浑浊水体的光谱相接近，缺少固体废物光谱特性的数据，因此准确提取固废堆放场还需进一步深入研究。

［1］曹建军，刘永娟.遥感图像中城市固体废物提取方法研究［J］.环境卫生工程，2008，16（5）：47-51.

［2］樊华，黄莉.遥感和地理信息系统对生活垃圾填埋场的监测与管理［J］.江西化工，2004（4）：50-52.

［3］王昕，段宁，徐贞元.卫星遥感在城市固体废物堆识别中的应用［J］.环境科学研究，1997，10（5）：58-62.

［4］王学平，梅安新.遥感技术在上海市固体废物分布调研中的应用［J］.上海环境科学，1995，14（10）：50-51.

［5］赵敬，臧克，宫辉力，等.遥感技术在北京市垃圾定位及处理中的应用［J］.首都师范大学学报：自然科学版，2005，26（3）：109-113.

［6］赵藏闪，郑雯，姚庆军，等.利用航空遥感技术对天津市垃圾堆放点的判释和调查［J］.环境卫生工程，2003，11（1）：37-39.

［7］吴文伟，刘竞.北京市固体废弃物分布调查中遥感技术的应用［J］.环境卫生工程，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.基于压缩数据维的城市建筑用地遥感信息提取［J］.中国图象图形学报，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

国家科技支撑计划项目 (2008BAC34B06-7)

2009-08-28

刘庆生（1971—），副研究员，博士后，研究方向遥感与地理信息系统在生态环境评价中的应用，已公开发表“辽河三角洲土壤盐渍化现状及特征分析”等学术论文30余篇。

E-mail：liuqs@lreis.ac.cn。