Extraction de filets anti-poussière sur les chantiers de construction basée sur la reconnaissance de cibles hyperspectrales

Introduction générale

Les chantiers de construction, lieux essentiels du développement urbain, ont toujours été une source majeure de pollution par les poussières. Face aux exigences croissantes des pouvoirs publics en matière de qualité de l'environnement urbain ces dernières années, la maîtrise de cette pollution est devenue une priorité. Dans ce contexte, les filets anti-poussière, outil efficace et pratique, sont de plus en plus utilisés sur les chantiers et constituent un élément indispensable de la lutte contre les poussières. L'extraction et l'analyse statistique des données issues de ces filets permettent ainsi d'évaluer indirectement la répartition et l'évolution des chantiers et d'identifier les zones critiques pour les activités de génie civil.

Méthodes et principes

Cet article utilise des images hyperspectrales de la région de Xi'an, acquises par le satellite Xiguang-1 05 le 6 avril 2025. Les filets anti-poussière, présentant des interstices laissant passer une partie de la lumière, voient leurs caractéristiques de réflectance varier légèrement selon la surface qu'ils recouvrent. Les méthodes traditionnelles de classification d'images s'avèrent inefficaces et peuvent facilement être confondues avec les toitures de certains bâtiments. Par conséquent, à partir de méthodes de reconnaissance d'objets, nous avons extrait les spectres des pixels des filets anti-poussière, considérés comme des endmembers, par interprétation visuelle, et constitué une bibliothèque spectrale. L'extraction des filets anti-poussière a ensuite été réalisée à partir de cette bibliothèque.

Tableau 1. Introduction aux données

processus

1. Étalonnage des radiations :Les données de valeur DN d'origine sont corrigées radiométriquement à l'aide de coefficients d'étalonnage radiométriques pour obtenir les données de luminance apparente.

2. Correction atmosphérique :Une correction atmosphérique a été effectuée à l'aide du modèle 6S pour obtenir les données de réflectance de surface.

3. Enregistrement de l'image :Les données traitées sont ensuite géoréférencées à partir de la carte de base.

4. Extraction des membres terminaux :Sélectionnez plusieurs pixels de la grille anti-poussière, calculez le spectre moyen et enregistrez-le en tant que composant endmember.

5. Décomposition hybride des pixels :Les expériences ont montré que l'algorithme d'estimation de cohérence adaptative était le plus performant dans ce scénario, utilisant un seuillage manuel pour filtrer les pixels proches de la cible du filet à poussière.

6. Vectorisation et génération de cartes thermiques :Les pixels raster extraits sont convertis en points et en polygones, et une carte thermique est générée à partir de ces points à l'aide d'un algorithme d'estimation de densité par noyau.

Affichage des résultats

Figure 1. Distribution des points d'échantillonnage spectral pour les filets anti-poussière

Figure 2. Courbe spectrale de l'échantillon de filet anti-poussière

Figure 3. Bibliothèque spectrale établie sur la base du spectre moyen du filet anti-poussière.

La figure 1 présente les points d'échantillonnage des spectres typiques des filets de contrôle de la poussière. Tous les points d'échantillonnage ont été obtenus par interprétation visuelle des images temporelles les plus récentes. La figure 2 montre les spectres de chaque point d'échantillonnage ; de légères différences apparaissent dans les régions du rouge lointain et du proche infrarouge en raison des variations de la végétation de surface. Le spectre moyen de la figure 2 a été calculé et enregistré dans une bibliothèque spectrale en vue d'une décomposition ultérieure en pixels mixtes (figure 3).

Figure 4. Carte thermique montrant la répartition des filets de contrôle de la poussière sur les chantiers de construction à Xi'an et dans les zones environnantes.(6 avril 2025)