.png){kind=icon}
返回
High-resolution landfill characterization using SAR remote sensing and cloud-based processing
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-025-32908-9.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
发展中国家的固体废物管理，例如印度，面临着由于监测系统薄弱以及缺乏可靠的垃圾填埋场统计数据报告机制而导致的持续性挑战。为解决这一差距，本研究开发了一种遥感方法，该方法将Python编程与Sentinel应用平台（SNAP）相结合，以从Sentinel-1合成孔径雷达（SAR）影像中生成数字高程模型（DEMs），用于量化垃圾填埋场的特征。关键参数，包括垃圾高度和体积估计，从卫星观测中提取并通过Google Earth Engine（GEE）进行处理，从而实现高效的大规模分析。共检查了分布在印度的80个垃圾填埋场，提供了首个基于统一且可复制框架的全国性垃圾填埋场体积评估。通过无人机调查和差分全球定位系统（DGPS）测量，在两个代表性场地——Gondiya垃圾填埋场和Ujjain环城道路挖掘场——进行了实地验证。评估结果显示，Gondiya和Ujjain的高度偏差分别为21.12%和0.12%，面积界定偏差分别为0.7%和0.65%，体积偏差分别为20.21%和0.8%，证实了所提出方法的可靠性。这些结果表明，基于SAR的DEMs为大规模地区的垃圾填埋场系统化、近实时监测提供了一种经济高效且可扩展的解决方案。该框架不仅支持能力规划、环境评估和政策制定，还为发展中国家在快速城市化和垃圾产量增加的背景下，向数据驱动的废物管理策略转型提供了途径。
Keyword:
Sentinel-1 DEM generation
Remote sensing
Landfill statistics
Indian landfill sites
Landfill monitoring
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.9
论文数:
28.3W
被引数:
83.5W
机构
引用论文
AI-Powered waste management: Predictive modeling for sustainable landfill operationsAI驱动的废物管理：可持续垃圾填埋场运营的预测建模
PREAI
分享收藏Intelligent classification and analysis of regional landforms based on automatic feature selection
PREAI
分享收藏Enhancing sustainable development through Spatiotemporal analysis of Ramsar wetland sites in South Asia通过对南亚拉姆萨尔湿地站点的时空分析来增强可持续发展.png)
TECHNOLOGY IN SOCIETY
TECHNOLOGY IN SOCIETYIF12.5
PREAI
分享收藏Exploring the accuracy and completeness patterns of global land-cover/land-use data in OpenStreetMap在OpenStreetMap中探索全球土地覆盖/土地利用数据的准确性和完整性模式APPLIED GEOGRAPHY
APPLIED GEOGRAPHYIF5.4
PREAI
分享收藏Methodology for measuring landfill dumping statistics globally using Digital Elevation Change maps使用数字高程变化图测量全球垃圾填埋场倾倒统计数据的方法
PREAI
分享收藏Water Resource Management Studies at Micro Level Using Geospatial Technologies基于地理空间技术的小尺度水资源管理研究
PREAI
分享收藏
查看更多内容