这场技术共振
为生态环境治理
带来了哪些新变化？
↓ ↓ ↓
解译耗时缩短至“分钟级”
固体废物
占地面积通常在
几十至几千平方米之间
属于典型的小尺度目标
矿产资源垃圾
根据最小成像单元原理
这些目标只能
通过高分辨率卫星影像进行识别
而高分辨率卫星影像谱段
数量普遍较少
限制了固体废物的光谱特征分析潜力
一定程度上增加了解译难度
同时，在“清废行动”前
相对于生态、水、大气等环境监测领域
固体废物识别属于新兴领域
相关研究应用较少
现成的技术方法和应用示例有限
为更加及时高效发现问题
生态环境部卫星环境应用中心
（以下简称卫星中心）
利用基于神经网络的语义分割算法
SFE-YOLO等深度学习模型
研究建立基于AI的
固体废物人机交互解译技术方法
初步实现遥感影像处理、固体废物识别、
问题图斑导出等自动化作业
某地整改前后对比图
通过不断优化解译规则
迭代解译算法
固体废物执法工作
得以迈向智能化和高效化
解译耗时解译准确度
由长江经济带“清废行动”的50%
提升至黄河流域“清废行动”的70%以上
技术的进步在推动固废排查工作
开展更加精准高效的同时
还能够促使地方主动作为
从“被动接收”向“主动监管”转变
2024年 山东省生态环境厅联合卫星中心 研究构建面向山东特色的 固体废物“AI+遥感”融合的 人机交互识别技术方法 强化固体废物识别的针对性与准确性 提升排查效率 固废遥感解译点位 AI赋能海洋温排水遥感监测 在海洋温排水遥感监测领域 开展了一系列 基于人工智能的创新应用研究 初步验证了AI大模型技术 在环境监测中的巨大潜力 Science Technology 在生态环境保护工作中 您有哪些新的智慧探索与实践？ 欢迎向我们投稿 共同助力技术革新与效率飞跃！
来源：生态环境部卫星环境应用中心
宣传：河南省环境保护网
