基于Sentinel 2的AI双时间尺度异常检测技术,用于城市污水分布测绘与影响评估

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》:Sentinel 2-Based AI Bi-Temporal Anomaly Detection for Urban Wastewater Mapping and Impacts Assessment

【字体: 大 中 小 】 时间:2026年07月01日 来源:IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 6.3

编辑推荐:

  摘要:近年来,与污水处理厂相关的各种环境问题日益严重,尤其是在人口密集的城市地区,那里每天都需要处理大量污水。在这样的情况下,污水处理设施往往被迫超负荷运转,这可能会降低处理效率,限制污染物的有效去除,进而加剧对周边生态系统的负面影响。本研究首次证明了利用多光谱、多时相的Sent

  

摘要:

近年来,与污水处理厂相关的各种环境问题日益严重,尤其是在人口密集的城市地区,那里每天都需要处理大量污水。在这样的情况下,污水处理设施往往被迫超负荷运转,这可能会降低处理效率,限制污染物的有效去除,进而加剧对周边生态系统的负面影响。本研究首次证明了利用多光谱、多时相的Sentinel-2卫星图像,通过人工智能驱动的光谱异常检测框架来识别与污水排放相关的异常表面状况的有效性。所提出的方法结合了空间降尺度技术以更好地呈现细微的异常模式,使用深度光谱自编码器进行特征学习与异常检测,同时还通过地理空间后处理来确保结果的时空一致性及可解释性。首先训练一个全连接型光谱自编码器,使其学习选定季节场景的内在光谱结构,然后利用逐像素重建误差生成异常图。此外,还采用了一种无监督的双时相异常检测方法,通过结合光谱、空间和时间的重建误差来识别多时相遥感图像之间的显著变化。在异常图中,Choutrana 2污水处理厂以及C?te Nord污水处理厂的氧化池和沉淀池中的污水情况被清晰地显示出来,在双时相异常图中则被特别标出。这些异常图还与基于Sentinel-2 Alpha残差图、对数残差图以及PCA变换图的结果进行了比较。各结果之间的高度一致性既体现了所提出的人工智能框架的稳健性,也反映了相关问题的严重性...
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号