随着我国工业化和城镇化的快速发展,城市固废产生量日益增长,严重影响城市自然环境与居民生活舒适度。因此,推进高效有序的固废堆场监测与排查工作势在必行,准确检测固废堆场的位置是进行城市固废排查工作的重要前提,而对固废堆场环境影响力进行科学评估则有助于固废排查清理、建设填埋场等管理方案精准有序地实施。然而,城市固废堆场源头广、数量大、种类多,传统基于人工实地勘察的排查手段不仅费时费力,还存在数据口径不一、覆盖不全面、效率低下等问题,难以满足城市环境治理的迫切需要。地理空间技术的快速发展为区域化固废堆场检测和环境影响力评估提供了新的手段。首先,高分辨率遥感影像数据源日益丰富,计算机自动化影像处理方法发展迅速,采用自动化方法处理高分辨率遥感影像能够实现更大范围、更加快速、更加客观的遥感影像目标检测,极大地弥补了实地勘察方法的不足,同时深度学习方法通过自动学习影像特征有效解决了人工设计特征的局限性。然而相比于一般地物的目标检测,固废堆场检测任务具有更加复杂的特性:1)遥感影像上的固废堆场目标尺度多变且差异巨大,固定大小的滑动窗口难以同时顾及尺度差异如此巨大的多个目标,此外影像窗口在大范围目标区域中滑动时往往会将完整堆场切割;2)固废堆场的形成与其他地物关联紧密,比如生活固废往往伴随住宅楼房出现,工业固废和建筑废物多堆积于空旷裸地、草地等地物之上,因此对影像全局信息充分推理挖掘能够有效增强特征表达。针对上述固废堆场检测任务特性,本文提出一种基于深度学习与全局推理的固废堆场检测模型,并设计了一种针对实际检测任务的多尺度优化策略,具体而言,本文固废堆场检测研究内容和成果可以总结为:（1）构建了一种基于深度学习模型与全局推理单元的多尺度固废堆场检测模型,该模型能充分利用多尺度深度学习模型的优势与全局推理单元对场景内全局信息的挖掘功能,实验结果显示,本文所构建模型的F1分数可达0.7334,AP50达70.18%,与原始目标检测模型相比,本文方法F1分数与AP50分别提升0.4和4%,此外,与其他深度学习经典目标检测模型相比,本文方法也表现出极大优势;（2）针对在实际研究区内展开的固废堆场检测任务,本文设计了一种多尺度优化策略,具体分为多尺度裁剪和检测框合并两步,经过实验证明,本文所提出的多尺度优化策略能够有效解决固废堆场在研究区影像内尺度差异过大和完整堆场被切割的问题,与本文所构建的固废堆场检测模型结合能够更加有效地应对多尺度固废堆场检测任务。此外,考虑到环境领域的固废影响力研究大多从时间变化的角度分析废弃物排放量与社会经济因素之间的关系,却忽略了固废堆场的空间分布状态,而固废堆场在空间中与周边多样的环境因素密切相关,因此本文结合遥感影像、兴趣点数据、水体和道路网等多源地理空间数据,通过建立缓冲区、叠加分析等方式从自然和社会经济等角度构建环境影响力指数,并以徐州市中心城区为研究区,对该区域内固废堆场的环境影响力进行定量评估,主要得出如下结论:（1）徐州市中心城区的固废堆场整体分布稀疏,相对集聚的区域主要分布于西三环、东三环、东南侧铁路线交汇处以及批发市场附近;（2）不同因素的影响力等级分布之间表现出一定的关联,同时也表现出较大差异,总体而言,植被覆盖度高、距离水体较近的区域的固废堆场自然环境影响力较高,而市中心及交通线附近固废堆场的社会经济影响力较高;（3）固废堆场环境影响力综合指数等级较高的区域主要分布于市中心东侧黄河故道附近、批发市场北侧铁路交汇处附近和云龙湖附近,相较而言,市中心东侧黄河故道附近的固废堆场环境影响力指数整体较高。建议相关部门根据固废堆场环境影响力综合指数将固废排查工作区分轻重缓急,也可以根据某种特定因素的固废治理目标参照相应的指标,对症下药;此外,影响力综合指数低的区域更适合用作填埋场等设施的建设。