基于无人机与深度学习的里海西部内夫特恰拉海岸带塑料垃圾空间分布制图研究

《Geocarto International》:UAV-based deep learning and spatial analysis for mapping coastal plastic debris distribution

【字体: 大 中 小 】 时间:2026年09月28日 来源:Geocarto International 3.9

编辑推荐:

  塑料废弃物在封闭及半封闭海岸盆地中的累积已成为重大环境挑战,此类区域受限的水动力交换条件可促进垃圾的长期滞留。本研究利用无人机影像(UAV imagery)、基于YOLOv4的目标检测、GPS实地验证及空间分析,对里海西部内夫特恰拉(Neftchala)岸线的

  
塑料废弃物在封闭及半封闭海岸盆地中的累积已成为重大环境挑战,此类区域受限的水动力交换条件可促进垃圾的长期滞留。本研究利用无人机影像(UAV imagery)、基于YOLOv4的目标检测、GPS实地验证及空间分析,对里海西部内夫特恰拉(Neftchala)岸线的地表大型塑料垃圾(macroplastic litter)进行了评估。研究在约0.385 km2范围内共检测到7,192件垃圾,对应平均密度为18,684件/km2,热点区域密度超过60,000件/km2。垃圾分布呈显著聚集特征,最近邻指数(Nearest Neighbour Index, NNI)为0.49,并识别出三条平行于岸线的堆积带。检测到的垃圾在空间上与岸线邻近度、低起伏地形及以芦苇为主的植被相关联,尤其是近期里海水位下降所暴露的干枯芦苇带。由于调查仅为单时相观测,上述关系被解释为空间关联而非直接因果机制。该工作流程可为半封闭海岸环境的定向清理与监测以及更广泛的循证环境管理提供支持。
论文解读:基于无人机与深度学习的里海西部海岸带塑料垃圾空间分布制图研究
一、研究背景与问题提出
塑料废弃物已成为全球海洋与海岸生态系统面临的核心环境挑战之一。自20世纪中期以来,合成聚合物的全球产量呈指数级增长,而塑料固有的难降解特性使其在自然系统中可持久存在数十年,并逐步破碎为更小颗粒。海岸带作为陆海交界的结构脆弱区,通过地表径流、河流输入、旅游丢弃、渔业活动和航运等多重途径持续接收塑料垃圾。塑料垃圾对海洋食物网和栖息地系统产生广泛负面影响,包括生物误食导致的物理伤害、消化功能受损、繁殖能力下降及死亡风险升高,同时大型垃圾还会造成缠绕危害。此外,塑料污染还威胁沿海社区的经济活力与社会结构,破坏岸线美学、削弱旅游收入并对渔业基础设施造成损害。
封闭和半封闭海域因受限的环流和较长的水力滞留时间,特别容易发生塑料垃圾累积。里海作为全球最大的内陆水体,其水位波动、风驱环流、岸线发育及与全球海洋的有限交换均可能促进漂浮和搁浅垃圾的滞留。然而,与开放大洋、波罗的海和地中海沿岸相比,里海盆地的海岸塑料污染空间精细化评估仍然有限。传统监测方法难以在大范围区域内高效获取高分辨率垃圾分布信息,亟需发展可重复、可量化的自动化监测工作流程。
二、研究目的与意义
本研究旨在将无人机遥感、深度学习目标检测与空间统计分析相结合的工作流程拓展至更大的内夫特恰拉岸线段落,并将检测到的垃圾点模式与岸线变化信息、芦苇植被制图、地形背景及区域环境驱动因素进行多层次整合。该整合旨在识别垃圾在何处累积,并评估哪些场地特征与持续性热点存在空间关联,而非基于单一调查快照声称直接的过程因果性。研究结果为定向清理和长期海岸监测提供了可操作的技术方案,对半封闭海岸环境的循证管理具有重要参考价值。
三、主要技术方法
研究人员采用DJI Matrice 350 RTK无人机平台搭载Zenmuse P1 RGB相机,在70米标称高度飞行采集航拍影像,地面采样距离约为0.9 cm/像素。塑料垃圾检测采用YOLOv4单阶段卷积神经网络,以CSPDarknet53为骨干网络,在Python 3.11和PyTorch 2.3.0环境中实现。模型从MS COCO预训练权重初始化,并在2,500个手工标注的塑料垃圾对象上微调,数据集按70%训练、15%验证、15%测试划分。空间分析在ArcGIS Pro 3.3中完成,包括最小边界几何、平均最近邻分析、核密度估计(KDE)、Ripley's L函数多尺度聚类分析、岸线叠加分析、芦苇植被叠加分析及GPS匹配容差敏感性评估。研究区域位于里海西部阿塞拜疆内夫特恰拉岸线段落,涵盖开放沙滩、浅水近岸水域和芦苇主导的湿地植被。
四、研究结果
4.1 检测精度评估
YOLOv4检测模型与独立GPS实地参考数据集进行交叉验证,共记录750件地面真实样本。采用2米空间容差匹配后,识别出637个正确匹配对(真阳性)、113个漏检件(假阴性)和62个虚假检测(假阳性)。精度值为0.91,召回率为0.85,F1分数为0.88。在0.50交并比阈值下mAP@0.50为0.87,在0.75阈值下降至0.79。容差敏感性分析显示,从1米放宽至3米时召回率从0.81提升至0.88,而精度保持稳定。漏检件主要与部分埋藏、高度破碎化或被植被冠层遮蔽有关。
4.2 空间分布、密度与聚类特征
最终生产运行共检测到7,192件可见地表大型塑料垃圾。采用验证精度和召回率进行简单校正后,估计可见垃圾约7,700件,相当于约20,000件/km2。垃圾分布呈现显著空间异质性,集中在离散的平行岸线带内。平均最近邻分析显示观测平均间距为1.73米,完全空间随机期望距离为3.54米,最近邻指数(NNI)为0.49,表明强烈聚集。核密度估计识别出三个明显堆积核心:北部靠近主要通道入口、中部毗邻显著芦苇带、南部位于季节性排水出口附近的低洼地形。三个热点仅占调查岸线总长度的一小部分,却承载了大量检测到的垃圾件数。垃圾分布呈明显的平行岸线排列而非横岸断面模式,与沿岸波浪冲流和沿岸漂移的再分配作用一致。横岸扩散极为有限,垃圾浓度随距当代水线距离增加而急剧下降。
4.3 环境叠加分析
芦苇植被与垃圾分布模式存在空间关联,相当比例的检测件与植被带空间重合或紧邻其向陆一侧。研究区域的芦苇主要为干枯衰老茎秆,是里海水位多年下降暴露形成的,可能构成开放机械滞留结构。开放沙滩表面垃圾浓度相对较低且空间分散度更大。多时相岸线数据显示,高浓度斑块与2005至2025年间经历可测量岸线退缩的区域存在空间重合。2023年岸线位置分析表明,大多数检测件位于当代水线约30米范围内。地形数据集显示垃圾堆积区倾向于占据低洼海岸平原区域。横岸高程断面显示垃圾集中在局部地形低洼处和坡度转折位置。人为基础设施和排水通道与观测到的垃圾负荷存在空间关联,风力和河流排水输入可能构成额外的陆源输送途径。
五、讨论与结论
本研究的聚类化、空间异质性垃圾分布模式与更广泛的观测一致,即海岸垃圾往往选择性累积而非均匀分布。与里海哈奇马兹岸线研究的比较表明,此类模式可能沿里海西部海岸较为普遍。本研究的分析扩展不在于新检测算法,而在于将无人机-YOLO检测与地形形态、植被制图、岸线变化信息和管理解释相结合。研究存在若干方法边界:检测限于地表可见且分辨率可解析的垃圾件,部分埋藏、亚厘米级碎片或被茂密植被遮蔽的物体会被漏检;环境驱动因素与堆积模式之间的关系通过空间关联而非因果建模建立;单时相调查限制了对时间动态的分析。尽管如此,该工作流程提供了可重复的高分辨率可见地表垃圾分布表征。由于可检测垃圾集中在少数热点和植被带内,针对这些位置的清理行动可回收不成比例的高比例可见垃圾。未来工作应增加重复季节性无人机调查、定量芦苇和岸线缓冲统计、独立水动力数据集及正式来源解析分析,以增强因果推断并提高工作流程向其他半封闭海岸环境的可转移性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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