城市固体废弃物（Municipal Solid Waste，MSW）已成为全球性的热点问题，对生态环境造成了恶劣影响。随着城市文明的进步，各国已将城市固体废弃物的监测和管理列为环境治理的重要方面，迫切需要开发城市固体废弃物的快速自动检测方法。遥感作为一种先进的地球观测技术，可以为城市固体废物的检测提供宝贵的数据。然而，城市固体废弃物是由多种物质成分组成的混合物，具有不同的光谱特性，而且城市固体废弃物通常随意堆放导致在遥感影像上存在边界模糊的问题，这给从遥感影像中自动识别城市固体废弃物带来了挑战。因此，本研究提出了一种基于光学和合成孔径雷达（Synthetic Aperture Radar，SAR）影像深度融合框架的新型城市固废检测模型MSWNet，并构建了首个基于光学和SAR影像的城市固废数据集。在MSWNet模型中，我们提出了基于光学和SAR模态相关性的跨模态融合模块，以弥合光学和SAR之间的模态差距。此外，我们还构建了一个残差优化模块，以增强模型检测城市固废边缘的能力。我们在构建的城市固废数据集上验证了所提出的 MSWNet。定性和定量结果显示，所提出的MSWNet性能超越了主流的图像分割方法，其OA、Kappa 和mIoU分别达到了98.41%、0.9234和0.9277。本研究提出的方法提高了城市固废检测的效率和准确性，可为城市固废管理提供数据支撑。

城市固废,光学和SAR影像融合