Geographic Information Systems (GIS) at Pagsusuri sa Paggamit ng Lupa

Mga nadagdag:

• Kakayahang tukuyin ang lohika ng GIS ng paggamit ng lupa, pagiging angkop at pagsusuri sa accessibility at ang papel ng AI sa workflow na ito
• Kakayahang gamitin nang tama ang mga konsepto ng layer, attribute at coordinate system kapag nagdidisenyo ng analysis fiction gamit ang AI
• Kakayahang i-verify ang mga iminungkahing hakbang sa pagsusuri ng AI na may tunay na kalidad ng data, katumpakan ng spatial at sanggunian ng coordinate

Ang makina ng pagpaplano ng lungsod ay spatial na data: kung saan, gaano karami ang mayroon, gaano kalayo ang pagitan. Ang pamilya ng software na nangongolekta, nag-iimbak, nagtatanong at nagmamapa ng data na ito ay tinatawag na Geographic Information Systems (GIS para sa maikling salita; GIS sa Ingles). Sinasagot ng pagsusuri sa paggamit ng lupa ang mga tanong tulad ng kung saan itatayo ang isang paaralan, kung ang isang lugar ay angkop para sa pabahay o industriya, kung ilang tao ang nagsisilbi sa isang berdeng lugar, atbp. na may GIS. Ang AI ay isang makapangyarihang katulong sa pagdidisenyo ng pag-setup ng mga pagsusuring ito, pagkakasunud-sunod ng mga hakbang, pag-aayos ng mga pamantayan at timbang, at pag-uulat ng resulta. Ngunit ang pagsusuri ay batay sa spatial na data, at ang kalidad, sistema ng coordinate at pera ng spatial na data ay tumutukoy sa resulta. Hindi makita ng AI ang data na ito; Ine-edit lang nito ang fiction na ibinigay mo. Samakatuwid, ang bawat hakbang na iminungkahi ng AI ay dapat na masuri gamit ang totoong data at tumpak na sanggunian ng coordinate.

Tatlong pangunahing konsepto ng GIS

Layer: Ang bawat uri ng data ay isang hiwalay na layer — ang mga kalsada ay isang layer, ang mga gusali ay isa pa, ang slope ay isa pa. Ang pagsusuri ay ang pag-overlay at pag-uugnay ng mga layer.

Katangian: Ang bawat spatial na bagay ay may talahanayan — ang lugar, gamit, katayuan ng may-ari ng isang parsela. Ang spatial na tanong ay kadalasang isang tanong na katangian: "mga parsela na ang paggamit ay 'berdeng espasyo' at ang lawak ay higit sa 5000 m²".

Coordinate reference system (CRS): Ito ang mathematical framework na ginagawang flat map ang curved surface ng Earth. Ang ITRF/TM (hal. mga pambansang sistema na tinukoy ng mga EPSG code) ay malawakang ginagamit sa Türkiye. Ang False CRS ay ang pinaka-karaniwan at pinaka-mapanlinlang na spatial error: ang mga layer ay hindi nagsasapawan, ang mga lugar at distansya ay ganap na mali. Kung ang AI ay nagmumungkahi ng distansya o pagkalkula ng lugar, ang unang tseke ay palaging CRS.

Babala: Huwag ipagpalagay na ang resulta ng distansya o lugar ay tama dahil lang sa tila makatwiran. Sa maling CRS, maaaring lumitaw ang dalawang layer na "nagpapatong" at dumudulas ng mga metro. Palaging ihambing ang mga lugar sa m²/ektaryang may kilalang sanggunian (hal. ang pamagat na lugar ng isang parsela).

Ang lohika ng paggamit ng lupa at pagsusuri sa pagiging angkop

Ang isang pagsusuri sa pagiging angkop ay nagsusuri kung gaano angkop ang bawat lokasyon para sa isang layunin (halimbawa, bagong pabahay). Mga karaniwang hakbang:

1. Itakda ang pamantayan. Slope, panganib sa baha, malapit sa transportasyon, kasalukuyang gamit, mga lugar na protektahan.
2. Markahan ang bawat pamantayan. Halimbawa, slope 0-5% = 10 puntos, 5-15% = 6, 15%+ = 1.
3. Mawalan ng timbang. Kung ang pamantayan ng baha ay napakahalaga sa tirahan, ang timbang nito ay mataas.
4. Pagsamahin ang mga layer. Magtalaga ng fitness score sa bawat cell/field na may timbang na kabuuan.
5. Magkomento at mag-verify. Subukan ang marka gamit ang kaalaman sa larangan at batas.

Ang AI ay lubhang kapaki-pakinabang sa pagtalakay sa criterion-weight construct na ito, na nagpapaalala sa iyo ng isang nakalimutang criterion, at pag-aayos ng scoring table. Ngunit tandaan na ang mga timbang ay mga paghatol sa halaga: kung magbibigay ng higit na timbang sa pagbaha o transportasyon ay isang pampublikong pagpipilian, hindi isang desisyon ng AI.

Hakbang-hakbang: Pagbuo ng pagsusuri sa pagiging angkop gamit ang AI

1. Tukuyin ang layunin at domain. "Availability ng bagong lugar ng pabahay sa distrito X."
2. Kumuha ng imbentaryo ng data. Ilista ang mga layer na mayroon ka, ang kanilang mga pinagmulan, petsa, at CRS.
3. Magkaroon ng AI draft criteria-weights. Itanong kung may nawawalang pamantayan.
4. Gumawa ng talahanayan ng pagmamarka nang magkasama. Linawin ang mga limitasyon para sa bawat pamantayan.
5. Isinalin ang daloy ng trabaho sa mga hakbang sa GIS. Aling layer, aling proseso, sa anong pagkakasunud-sunod.
6. Suriin ang kalidad ng data. Napapanahon, katumpakan, pagsunod sa CRS.
7. I-verify ang resulta. Larangan, batas, kilalang sanggunian.

Mahinang prompt / Malakas na prompt

Mahinang prompt: "Hanapin ang pinakamagandang lugar para sa pabahay."

Hindi alam ng AI ang domain, o ang data, o ang pamantayan; Nagbabalik ito ng generic at walang kwentang text.

Malakas na prompt: "Nagse-set up ako ng isang pagsusuri sa kaangkupan: i-target ang bagong residential area, work area [distrito]. Ang mga layer na mayroon ako: slope (mula sa DEM), flood risk (SHW), road network, existing land use, protected areas. (a) ipaalala sa akin ang mga pamantayan na maaaring nawawala, (b) magmungkahi ng isang talaan ng makatwirang mga threshold ng pagmamarka kung saan ang bigat ay naglalaman ng mga pangwakas na criterion para sa bawat timbang, (c) ako;

Ang pangalawang prompt ay ginagawang kasosyo sa talakayan ang AI, na pinapanatili ang gumagawa ng desisyon sa tagaplano.

Apat na maaaring kopyahin na mga template

Gawain: Magmungkahi ng isang hanay ng mga pamantayan sa pagsusuri ng pagiging angkop para sa sumusunod na listahan ng mga layunin at antas. Output: pamantayan | bakit ito mahalaga | posibleng scoring threshold | "naglalaman ba ito ng mga paghatol sa halaga". Ilista din ang anumang pamantayan na maaaring kulang. Layunin: [...] | Workspace: [...] | Mga layer: [...]

Gawain: Suriin ang talaan sa pagtimbang ng pamantayan sa ibaba. (a) Suriin kung makabuluhan ang kabuuan ng mga timbang, (b) i-flag ang magkasalungat o duplicate na pamantayan, (c) ilista ang mga pagpapalagay na maaaring iligaw ang resulta. Paggawa ng desisyon; check lang.Table: [...]

Gawain: Isalin ang mga sumusunod na hakbang sa pagsusuri sa isang GIS workflow. Para sa bawat hakbang: input layer(s), uri ng proseso, output at coordinate system / unit point na ISA-ISA. Pagsulat ng code; ilarawan lamang ang iyong daloy ng trabaho. Mga Hakbang: [...]

Gawain: Isalin ang sumusunod na imbentaryo ng data sa isang quality control chart.Mga Column: layer | pinagmulan | petsa/kasalukuyang | CRS | alam na limitasyon/panganib ng error.Markahan ang mga layer na kailangang i-query bago gamitin.Imbentaryo: [...]

Isang talahanayan: uri ng pagsusuri at pagpapatunay

Pagsusuri

Ang tanong niya

Ang papel ng AI

kritikal na pagpapatunay

Kaangkupan

Saan ito angkop?

Criterion-weight construct

Timbang = pampublikong pagpili; C.R.S.

accessibility

Gaano kalapit/naa-access?

Balangkas ng pagpili ng pamamaraan

Pag-update ng data ng network

Densidad/saklaw

Magkano ang mayroon, paano ito ipinamamahagi?

Rekomendasyon ng klase at threshold

Pinagmumulan ng data ng populasyon/lugar

pagbabago

Ano ang nagbago?

paghahambing fiction

Petsa at pagsunod sa CRS

buffer/distansya

Ano ang nasa loob ng hangganan?

lohika ng distansya

Yunit at CRS

tatlong mini case

Kaso 1 — CRS trap. Ang isang intern ay nagsasapawan ng dalawang layer; lumilitaw na "nagpapatong" ang mapa. Kapag sinusuri ng AI ang isang buffer na ini-print nito, ang 500-meter buffer ay lumalabas na kakaibang maliit. Problema: ang isang layer ay nasa geographic (degree) CRS, ang isa ay nasa metric CRS; Ang 500 "degrees" ay walang kahulugan. Pagkatapos ng projection sa tamang CRS, bumubuti ang resulta. Ito ay isa sa mga pinaka-hindi nakikita sa mga pinakamahal na pagkakamali.

Kaso 2 — Nakalimutang pamantayan. Gumagamit ang isang team ng slope, baha at accessibility bilang pamantayan para sa pagiging angkop sa pabahay. Hayaang pangasiwaan ng AI ang pag-edit; AI "Naidagdag mo na ba ang pamantayang geological/disaster risk (fault, landslide)?" paalala niya. Napagtanto ng koponan na napalampas nila ang kritikal na pamantayang ito. Ang AI ay hindi gumawa ng desisyon, nagsara ito ng isang blind spot.

Kaso 3 — Transparency ng timbang. Ang isang munisipalidad ay nagsusumite ng isang mapa ng kaangkupan sa konseho. Malinaw na ini-print ng AI sa draft ng ulat na ang bawat timbang ay isang kagustuhan at ang mapa ay magbabago na may iba't ibang timbang. Tinanong ng konseho "ano ang mangyayari kung dagdagan natin ang bigat ng baha?" nagiging may kakayahang magtanong. Binabago ng transparency ang pagsusuri mula sa isang pagpapataw sa isang tool para sa talakayan.

Mga karaniwang pagkakamali

• Hindi sinusuri ang CRS. Ang pinakakaraniwan at mahal na pagkakamali sa spatial analysis; Suriin bago ang bawat operasyon ng distansya/lugar.
• Napagkamalan ang mga timbang para sa mga teknikal na katotohanan. Ang timbang ay isang paghatol sa halaga; Dapat itong maging transparent at manatiling mapagtatalunan.
• Hindi pinapansin ang pera ng data. Ang lumang layer ng paggamit ng lupa ay nililinlang ang paghatol ngayon.
• Napagkakamalang data source ang AI. Hindi makita ng AI ang layer; inaayos ang plot. Palaging nagmumula ang data sa tunay, na-verify na pinagmulan.
• Hindi sinusubukan ang resulta sa field. Ang isang lugar ay maaaring lumitaw na "angkop" sa mapa, ngunit sa lupa ay maaaring ito ay isang ganap na naiibang katotohanan.

Sa buod

Ang GIS ay ang spatial data engine ng pagpaplano; layer, attribute at coordinate system ang tatlong pangunahing konsepto nito. Ang pagsusuri sa pagiging angkop ay nagsusuri ng bawat lokasyon para sa isang layunin na may pamantayan, pagmamarka at mga timbang. Ang AI ay isang makapangyarihang tulong sa pagdidisenyo ng setup na ito, pagpapaalala sa mga nawawalang pamantayan, pag-uuri ng daloy ng trabaho at pag-uulat; ngunit hindi niya makita ang data at makagawa ng desisyon. Ang pinaka mapanlinlang na pagkakamali ay ang maling sistema ng coordinate; Ang mga timbang ay hindi teknikal ngunit mga paghatol sa halaga at dapat na transparent. I-verify ang bawat resulta gamit ang up-to-date na data, tumpak na CRS at impormasyon sa field.

Gawain ng aplikasyon

Pumili ng layunin (halimbawa, isang bagong lokasyon ng nursery). (1) Gumawa ng imbentaryo ng mga layer na mayroon ka o ipinapalagay gamit ang ikaapat na template; Isulat ang CRS at katayuan ng pagiging bago ng bawat layer. (2) Gamit ang unang template, magmungkahi ng set ng criteria-weights sa AI at kumuha ng hindi bababa sa isang nawawalang criterion. (3) Markahan kung aling mga timbang ang mga paghatol sa halaga at isulat sa isang pangungusap kung paano mo ito ipapaliwanag sa kapulungan. (4) Ilarawan kung paano mo ibe-verify ang resulta sa field.

checklist

• [ ] Sinuri ko at na-synchronize ang coordinate system (CRS) ng lahat ng mga layer.
• [ ] Nagtakda ako ng pamantayan at nagkaroon ng AI ​​scan para sa nawawalang pamantayan.
• [ ] Minarkahan ko na ang mga timbang ay mga paghatol sa halaga at pinananatiling malinaw ang mga ito.
• [ ] Sinuri ko ang currency ng data at katumpakan.
• [ ] Ginamit ko ang AI bilang isang katulong sa pag-edit, hindi bilang isang mapagkukunan ng data.
• [ ] Na-verify ko ang resulta gamit ang isang kilalang sanggunian at kaalaman sa larangan.
• [ ] Nai-save ko ang data inventory at verification trace.