[論文レビュー] Waste Detection and Change Analysis based on Multispectral Satellite Imagery

Dávid Magyar, Máté Cserép+2 more|arXiv (Cornell University)|Mar 25, 2023

Municipal Solid Waste Management被引用数 4

ひとこと要約

本論文では、マルチスペクトル衛星画像とランダムフォレスト分類を用いた機械学習ベースの手法を提案し、森林、河川、および遠隔地における違法なごみ捨て場（ホットスポット）および河川内の浮遊ごみの堆積を検出する。この手法はティーザ川で正確な検出と変化分析を達成しており、水面のブロックアップが最も信頼性が高い結果を示しており、環境団体によるスケーラブルでコスト効率の高い監視を可能にする。

ABSTRACT

One of the biggest environmental problems of our time is the increase in illegal landfills in forests, rivers, on river banks and other secluded places. In addition, waste in rivers causes damage not only locally, but also downstream, both in the water and washed ashore. Large islands of waste can also form at hydroelectric power stations and dams, and if they continue to flow, they can cause further damage to the natural environment along the river. Recent studies have also proved that rivers are the main source of plastic pollution in marine environments. Monitoring potential sources of danger is therefore highly important for effective waste collection for related organizations. In our research we analyze two possible forms of waste detection: identification of hot-spots (i.e. illegal waste dumps) and identification of water-surface river blockages. We used medium to high-resolution multispectral satellite imagery as our data source, especially focusing on the Tisza river as our study area. We found that using satellite imagery and machine learning are viable to locate and to monitor the change of the previously detected waste.

研究の動機と目的

• 森林、河川、および遠隔地における違法ごみ捨て場の増加する環境的脅威に対処すること。
• リモートセンシングを用いてプラスチックごみのホットスポットおよび浮遊ごみの島を自動的かつスケーラブルに検出するソリューションを開発すること。
• 衛星データと機械学習を活用して、繰り返し可能でコスト効率の良い監視ツールをごみ収集団体に提供すること。
• 時間経過に伴う変化検出を可能にし、河川システム内のごみの蓄積と移動を追跡すること。

提案手法

• セントネル-2およびプラネットスコープミッションから得た中解像度および高解像度のマルチスペクトル衛星画像を活用した。
• 青、緑、赤、近赤外バンドにおけるスペクトルシグネチャに基づき、ランダムフォレスト分類を適用してごみを検出した。
• 水や植生などの背景表面とごみを区別するために、スペクトルインデックス（例：NDVI、MNDWI）を計算した。
• ノイズを低減し、検出されたごみ領域を精緻化するために、形態的変換を実施した。
• 毎日の衛星画像を比較して、ごみカバレッジに顕著な変化が生じた場合に自動アラートを発動する仕組みを実装した。
• 検出されたごみ領域の可視化と時間経過に伴う変化の追跡を可能にするウェブアプリケーションプロトタイプを開発した。

実験結果

リサーチクエスチョン

• RQ1 マルチスペクトル衛星画像と機械学習を組み合わせることで、遠隔地やアクセス困難な地域における違法ごみ捨て場を効果的に検出できるか。
• RQ2 スペクトルインデックスと機械学習は、河川システム内での水、植生、影と浮遊プラスチックごみをどの程度正確に区別できるか。
• RQ3 本手法は、時間経過に伴うごみ蓄積の変化を特定・監視するためにどの程度効果的か。
• RQ4 本システムは、新規に形成されたごみホットスポットや河川のブロックアップをタイムリーに検知するためのアラートを提供し、運用上のごみ収集を支援できるか。

主な発見

• 本手法は、ハンガリーのデポニア・ウェイスト・マネジメント・センターおよびルーマニアのラケ・チャラネスティで明確な分類結果を示し、ごみホットスポットを効果的に検出できた。
• 水面における河川のブロックアップは非常に信頼性が高く、周囲の水と陸地とは明確に分離された赤色領域として明確に検出された。
• 高解像度画像（例：6614×5981ピクセル）の処理に最大29分41秒を要し、インデックス計算が主なボトルネックであった。
• 本システムは、毎日監視が可能であることを示し、検出されたごみ領域に顕著な変化が生じた場合に自動アラートが発動することを確認した。
• ランダムフォレストモデルは、画像状態が明瞭な春と夏に最も優れた性能を示したが、冬と秋の画像はしばしば曇りが多く、信頼性の高い使用が困難であった。
• ウェブアプリケーションプロトタイプは、ごみの広がりと変化傾向を効果的に可視化できており、最終版では毎日更新を計画している。