解译效率提升至“分钟级”，“AI+遥感”如何让固废非法倾倒显形？

在山东济南某工业园区，一辆装载建筑垃圾的货车趁着夜色驶入监控盲区。

次日清晨，距离地面630公里的高分辨率遥感卫星已将该区域异常影像传回地面系统。通过AI模型自动解译，一处占地约200平方米的非法倾倒点位被精准锁定。

从卫星影像处理到发现问题线索，仅耗时32分钟。这幕科技执法的场景，正是生态环境部卫星环境应用中心（以下简称卫星中心）创新“AI+遥感”技术的最新实践成果。

一段时间以来，卫星中心研发团队积极探索构建起多维度技术突破体系，研究建立基于AI的固体废物人机交互解译技术方法，取得了阶段性成效。

AI模型自动定位结果。受访者供图

小目标遭遇大难题

经过多年发展，我国在生态、水、大气监测领域已形成较为完备的数据体系。例如全国水质监测站网络、大气自动监测站和生态遥感数据库，数据积累丰富且格式标准化。

但是，在固体废物识别领域，相关技术起步较晚，缺乏系统性、权威性的样本数据集。且固废种类繁多（如工业废渣、建筑垃圾、生活垃圾等），形态、颜色、分布特征差异显著，容易受到地形、植被、天气等干扰，难以构建统一的样本数据集。

卫星中心固废遥感中心工程师余嘉琦长期从事固废遥感监测相关研究。她告诉记者，在2019年“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范例也有限。“这种数据基础的薄弱直接限制了识别技术的训练和优化。”

“你看，这张图片中的绿色小方点就是一处建筑垃圾。”卫星中心固废遥感中心工程师陆丽告诉记者，在实际案例中，非法倾倒、堆存的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。

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。但高分辨率卫星影像的波段数量较少，可利用的光谱特征较少，导致固体废物识别难度增加。

“固体废物非法倾倒具有‘小、散、隐’特征，传统监测手段长期面临数据基础薄弱、复杂环境适应性差、动态监测能力有限等困境。”陆丽表示。

特别是在偏远山区、河流沿岸等执法力量薄弱区域，固废问题线索发现滞后，监管覆盖有所局限，容易错过问题治理最佳时机。

“过去，面对卫星影像中的可疑斑块，我们需要像‘找不同’游戏般反复比对。”陆丽说，传统人工解译准确率虽然能达到72%，但时间和人工成本较高。

将技术成果转化为实际战斗力

针对相关问题，近期，卫星中心研发团队探索构建起多维度技术突破体系，将遥感技术与AI结合，创新开发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。

“常规遥感识别模型对固废目标的复杂形态和背景干扰适应性差，应用于固体废物自动识别的精度仅为20%左右，远不能满足实际需求。”余嘉琦表示，因此，我们进一步探索固体废物智能识别的方法，结合多尺度特征融合、注意力机制、目标检测优化等技术，研发了全国首个固体废物遥感自动提取模型。

技术创新的最终目标是服务业务应用，为确保技术与业务无缝衔接，使得技术成果能够真正赋能固体废物监管执法，卫星中心采取“并行验证—区域试点—全国推广”业务化推进策略，将技术成果转化为实际战斗力。

“我们优先选择在山东省济南市‘清废行动’中开展技术验证，设计了传统人工解译与自动提取模型并行验证方案。”陆丽说。

测试中，自动提取模型仅耗时12小时便成功排查出200余处疑似固废问题点位，经现场核查确认，准确率为63%。而传统人工解译耗时156小时，准确率约72%。

“结果表明，模型在效率上具有显著优势，但在精度上仍有提升空间。为此，我们深入分析误差原因，优化模型参数，力求兼顾效率与精度。”余嘉琦表示。

技术人员在并行验证的基础上，进一步提出“AI识别—人工质检—地面验证—清单修正”的固体废物非法倾倒问题主动发现机制。这一机制将AI技术的高效性与人工经验的精准性相结合，形成从遥感发现到执法核查的全流程闭环管理体系。

随后，在黄河流域“清废行动”试点应用，利用自动提取模型开展遥感排查准确率仍保持在70%以上，但人工成本和时间成本均降低了60%，大幅提高了问题线索发现的效率。

“目前，这一工作机制已在全国10余个省份推广使用，累计排查固废问题线索4000余处，为打击非法倾倒、加强源头治理提供了强有力的技术支撑。”陆丽说。

人工解译与自动识别结果对比。受访者供图

从“大海捞针”到“未卜先知”

当前，固废监管工作正从被动响应转向主动防控，这也为监管技术的发展和应用提出了更高要求。

加强技术创新，提升AI模型的环境适应性与识别精度，成为卫星中心下一步重点任务之一。“例如研发多模态融合模型，结合光学遥感、红外成像和SAR（合成孔径雷达）数据，提升复杂场景下的目标检测能力。”余嘉琦告诉记者。

“同时，我们正在收集全国范围内的固废样本，涵盖不同地域、类型和环境条件，形成动态更新的标准化数据库。”余嘉琦表示，还将与网络舆情、信访举报、交通运输等多源数据结合，开发基于时间序列分析的AI预测模型，利用历史遥感数据预测高风险区域和倾倒趋势，实现从“事后发现”到“事前预警”的转变，提前锁定潜在违法点位，降低污染扩散风险。

此外，卫星中心将推动技术标准化与产业化。制定《固体废物遥感监测技术规范》，统一AI解译流程和数据标准，提升固体废物遥感监测技术的应用水平，确保技术在不同地区、不同场景下的适用性和可靠性。

从156小时到12小时的效率跃升，从人工辨识到智能预警的模式变革，这场固废监管的技术革命正推动治理方式的深刻转型。