[논문 리뷰] Waste Detection and Change Analysis based on Multispectral Satellite Imagery

Dávid Magyar, Máté Cserép외 2명|arXiv (Cornell University)|2023. 03. 25.

Municipal Solid Waste Management인용 수 4

한 줄 요약

이 논문은 다중스펙트럼 위성 영상과 랜덤 포레스트 분류를 활용한 기계학습 기반 방법을 제안하여 강에서의 불법 폐기물 투기지점(핫스팟)과 떠 있는 폐기물 블록을 탐지한다. 이 방법은 티샤 강에서 정확한 탐지와 변화 분석을 달성하였으며, 수면 블록은 가장 신뢰할 수 있는 결과를 보였고, 환경 단체가 비용 효율적이고 확장 가능한 모니터링을 수행할 수 있도록 한다.

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.

연구 동기 및 목표

• 산림, 강, 및 고립된 지역에서 증가하는 환경적 위협인 불법 폐기물 투기 문제를 해결한다.
• 원격 감시를 통해 플라스틱 폐기물 핫스팟과 떠 있는 폐기물 섬을 자동으로, 확장 가능하게 탐지하는 솔루션을 개발한다.
• 위성 데이터와 기계학습을 활용해 폐기물 수거 조직이 반복 가능하고 비용 효율적인 모니터링 도구를 제공한다.
• 시간에 따른 변화 탐지를 가능하게 하여 강 시스템 내 폐기물 축적과 이동을 추적한다.

제안 방법

• 센티넬-2 및 플래닛스코프 미션에서 제공하는 중해상도 및 고해상도 다중스펙트럼 위성 영상을 활용하였다.
• 파란색, 초록색, 빨간색, 근적외선 대역에서의 스펙트럼 서명을 기반으로 랜덤 포레스트 분류를 적용하여 폐기물을 탐지하였다.
• 수면과 식생과 같은 배경 표면과의 구분을 향상시키기 위해 스펙트럼 인덱스(예: NDVI, MNDWI)를 계산하였다.
• 검출된 폐기물 영역를 정제하고 노이즈를 감소시키기 위해 형태학적 변환을 수행하였다.
• 매일의 위성 영상 간 비교를 통해 폐기물 커버리지에 큰 변화가 발생할 경우를 감지하는 자동 경고 시스템을 구현하였다.
• 검출된 폐기물 영역를 시각화하고 시간에 따른 변화를 추적할 수 있도록 웹 애플리케이션 프로토타입을 개발하였다.

실험 결과

연구 질문

• RQ1 다중스펙트럼 위성 영상과 기계학습을 조합하여 고립되거나 접근이 어려운 지역의 불법 폐기물 투기지점을 효과적으로 탐지할 수 있는가?
• RQ2 스펙트럼 인덱스와 기계학습이 강 시스템 내에서 수면, 식생, 그림자와 구분하여 부유 플라스틱 폐기물을 탐지하는 데 어느 정도 유용한가?
• RQ3 이 방법은 시간에 따른 폐기물 축적의 변화를 식별하고 모니터링하는 데 얼마나 효과적인가?
• RQ4 새로 형성된 폐기물 핫스팟이나 강 블록을 조기에 탐지할 수 있는 경고를 제공함으로써 운영적 폐기물 수거를 지원할 수 있는가?

주요 결과

• 이 방법은 헝가리의 디포니아 폐기물 관리 센터와 루마니아의 라이크 알레니에티 주변 지역 등에서 명확한 분류 결과를 보이며 폐기물 핫스팟을 성공적으로 탐지하였다.
• 수면 블록은 매우 높은 신뢰도로 탐지되었으며, 주변 수면과 육지와 명확히 분리된 빨간색 영역으로 나타났다.
• 고해상도 영상(예: 6614×5981 픽셀) 처리에 소요된 시간은 최대 29분 41초에 달했으며, 이는 주로 인덱스 계산이 주요 성능 저하 원인이었다.
• 시스템은 매일 모니터링이 가능하다는 점을 입증하였으며, 검출된 폐기물 영역에 큰 변화가 발생할 경우 자동 경고가 발동되었다.
• 봄과 여름에 랜덤 포레스트 모델이 가장 잘 작동하였는데, 이는 이미지 조건이 더 명확했기 때문이다. 반면 가을과 겨울의 이미지는 자주 흐린 관계로 신뢰할 만한 사용이 어려웠다.
• 웹 애플리케이션 프로토타입은 폐기물 영역의 범위와 변화 추세를 성공적으로 시각화하였으며, 최종 버전에서는 매일 업데이트할 계획이다.