የርቀት ዳሳሽ እና የሳተላይት ምስል ምደባ

ትርፍ፡

• ባለብዙ ስፔክትራል የሳተላይት ዳታ፣ የባንድ ውህዶች እና የእይታ ኢንዴክሶች (NDVI ወዘተ) ከ AI ጋር እንዴት ጥቅም ላይ እንደሚውሉ የማብራራት ችሎታ።
• ቁጥጥር የሚደረግበት/ክትትል የማይደረግበት ምደባ እና የመሬት ሽፋን ካርታ ስራን በ AI ድጋፍ የማዋቀር ችሎታ
• የምደባ ውጤትን ከመሬት እውነት እና ከስህተት ማትሪክስ/ትክክለኛ መስፈርት ጋር የመሞከር ችሎታ

የርቀት ዳሰሳ የምድርን ገጽ ያለ አካላዊ ንክኪ፣ በሳተላይት ወይም በአየር ላይ ባሉ መድረኮች ላይ ባሉ ዳሳሾች የመለካት ሳይንስ ነው። የሳተላይት ምስል በእውነቱ ፎቶግራፍ አይደለም ፣ ግን በበርካታ የሞገድ ርዝመቶች የተመዘገቡ የመለኪያ ንብርብሮች ስብስብ ነው ፣ እና እነዚህን ንብርብሮች በጥበብ በማጣመር የመሬት ሽፋን (ደን ፣ ውሃ ፣ ግብርና ፣ ግንባታ) ሊቀረጽ ይችላል። በዚህ ክፍል፣ አርቴፊሻል ኢንተለጀንስ እንዴት ይህን የስራ ሂደት እንደሚያፋጥነው፣ ከብዙ ስፔክተራል መረጃ እስከ የመሬት ሽፋን ምደባ፣ እና የባለሙያዎች ፍርድ አስፈላጊ በሚሆንበት ጊዜ እንሸፍናለን። መርህ: AI አመዳደብ ያመነጫል ወይም ኮድ ያደርገዋል; የካርታው ትክክለኛነት የሚለካው በመሐንዲሱ ውስጥ በገለልተኛ እውነት እና የስህተት ማትሪክስ ነው።

መሰረታዊ ቃላት። ባለብዙ ስፔክትራል ምስል በበርካታ የሞገድ ባንዶች (ሰማያዊ, አረንጓዴ, ቀይ, ኢንፍራሬድ አቅራቢያ, ወዘተ) ውስጥ የተመዘገበ ነው. እያንዳንዱ ባንድ ንብርብር ነው. ሃይፐርስፔክተር በጣም የበለፀገ ነው ነገር ግን መረጃን ለማስኬድ አስቸጋሪ ነው፣ ከአስር እስከ በመቶዎች የሚቆጠሩ ጠባብ ባንዶችን ይይዛል። ስፔክተራል ኢንዴክስ በባንዶች የሂሳብ ጥምረት በኩል አንድን ክስተት የሚያጎላ ቁጥር ነው። በጣም የታወቀው NDVI (Normalized Difference Vegetation Index) በአቅራቢያው ባለው ኢንፍራሬድ እና በቀይ ባንድ መካከል ያለውን ልዩነት በመጠቀም የአረንጓዴ ተክሎችን ጥንካሬ ይለካል. ቁጥጥር የሚደረግበት ምደባ ሞዴሉን በቅድሚያ ከተሰየሙ የናሙና ቦታዎች ጋር ማሰልጠን እና ሙሉውን ምስል መከፋፈልን ያካትታል. ክትትል የማይደረግበት ምደባ መለያዎች በሌለበት ተመሳሳይነት ላይ የተመሰረተ መረጃን መሰብሰብ እና በኋላ መተርጎም ነው።

በርቀት ዳሳሽ ውስጥ የ AI ሚና

አርቲፊሻል ኢንተለጀንስ በዚህ መስክ በሦስት ደረጃዎች አስተዋፅዖ ያደርጋል፡-

1. የስራ ሂደት እና ዘዴ ምርጫ. "የትኞቹ ባንዶች, የትኛው መረጃ ጠቋሚ, የትኛው ክላሲፋየር ለዚህ ጥያቄ ተስማሚ ናቸው?" በውሳኔዎ ውስጥ ይመራዎታል; የኮድ አጽም ያወጣል።
2. ምደባው ራሱ። ዘመናዊ የጥልቅ ትምህርት ሞዴሎች በሚሊዮኖች የሚቆጠሩ ፒክሰሎችን ወደ የመሬት ሽፋን ክፍሎች ይለያሉ; ይህ AI እውነተኛውን ሥራ የሚያከናውንበት መካከለኛ-ከፍተኛ መዋጮ ቦታ ነው.
3. የውጤት ትርጓሜ እና ዘገባ። የክፍል ስታቲስቲክስ፣ የለውጥ ትንተና እና የትክክለኛነት ዘገባ ወደ ሊነበብ የሚችል ጽሑፍ ይገለበጣል።

ዓይነ ስውር ቦታ፡ ሞዴሉ በሰለጠነበት መረጃ እና እርስዎ በሚያቀርቧቸው ምሳሌዎች ላይ የተመሰረተ ነው። የደመና ጥላ እና ውሃ፣ ባዶ አፈር እና ድህረ ምርት ማሳ፣ ጥልቀት የሌለው ውሃ እና እርጥብ መሬት በቀላሉ ይቀላቅላሉ። ስለዚህ የምደባ ካርታ ቆንጆ ስለሚመስል ብቻ እውነት አይደለም; ትክክለኛነት መለካት አለበት.

ጠቃሚ ምክር፡ መከፋፈል ከመጀመርዎ በፊት ጥያቄዎን ያብራሩ። "የመሬት ሽፋንን መድብ" ግልጽ ያልሆነ ነው; "በ 2020-2025 መካከል ያለውን ግንባታ የሚደግፍ የግብርና መሬት ማጣት ካርታ" የክፍል ስብስብ እና የማረጋገጫ መስፈርት ሁለቱንም ይወስናል.

ደረጃ በደረጃ፡ የመሬት ሽፋን ምደባ

1. ውሂብ እና ካሴቶችን ያዘጋጁ. የምስሉን የደመና ሽፋን፣ የተኩስ ቀን፣ ጥራት (ፒክስል መጠን) እና ባንድ ቅደም ተከተል ያረጋግጡ። የተለያየ ቀን/ወቅት ክፍሎችን ይለውጣል።
2. የክፍል ስብስብን ይግለጹ. ምን ያህል ክፍሎች, የትኞቹ (ውሃ, ደን, ግብርና, ግንባታ, ባዶ መሬት)? ያነሱ እና ተለይተው የሚታወቁ ክፍሎች የበለጠ አስተማማኝ ናቸው.
3. ኢንዴክሶችን አስሉ. ኢንዴክሶች እንደ NDVI (ተክል), NDWI (ውሃ) ክፍሎችን ይለያሉ; ወደ ክላሲፋየር ግብአት ይሆናል።
4. የሥልጠና ናሙናዎችን ይሰብስቡ (ለክትትል)። ለእያንዳንዱ ክፍል በመሬት አቀማመጥ የተረጋገጠ ፖሊጎኖች ናሙና። የናሙና ጥራት ትክክለኛነትን ይወስናል.
5. ይመድቡ እና ያረጋግጡ። ሞዴሉን አሰልጥኑ፣ ከዚያ ገለልተኛ (ያልሰለጠኑ) ናሙናዎችን በመጠቀም የስህተት ማትሪክስ ይገንቡ እና አጠቃላይ ትክክለኛነትን እና ካፓን ያሰሉ።

የመሬት እውነት እና ስህተት ማትሪክስ

የምደባ ትክክለኛነት በአይን ዳኝነት አይለካም። የመሬት እውነት በመስክ ውስጥ ወይም በአስተማማኝ ከፍተኛ ጥራት ምንጭ ውስጥ የታወቁ የእውነተኛ ክፍል ነፃ ናሙናዎች ነው። በእነዚህ ምሳሌዎች ግራ መጋባት ማትሪክስ ተመስርቷል-እያንዳንዱ ክፍል ምን ያህል ጊዜ ትክክል እንደሆነ እና ምን ያህል ጊዜ ከየትኛው ክፍል ጋር እንደተደባለቀ ይቆጠራል። ከዚህ በመነሳት አጠቃላይ ትክክለኛነት (በትክክለኛው የተመደበው መጠን) እና ካፓ (የአጋጣሚውን ውጤት የሚያስተካክል የስምምነት መለኪያ) ይሰላሉ. በተጨማሪም የአምራች ትክክለኛነት (በዚያ ክፍል ውስጥ ምን ያህል እንደተያዘ) እና የተጠቃሚ ትክክለኛነት (ያ ክፍል ምን ያህል አስተማማኝ ነው) በክፍል ደረጃ ሪፖርት ተደርጓል።

ጥንቃቄ: ለስልጠና በሚጠቀሙባቸው ምሳሌዎች ትክክለኛነትን አይለኩ. ተመሳሳይ ምሳሌዎች ካሠለጠኑ እና ከተሞከሩ, ትክክለኛነት ሰው ሰራሽ በሆነ መንገድ ከፍ ያለ ይሆናል; ይህ ቅዠት ነው። የማረጋገጫ ናሙናዎች ገለልተኛ መሆን አለባቸው.

ሶስት ትናንሽ ጉዳዮች: በቁጥሮች

ጉዳይ 1 - የክላውድ ጥላ በውሃ ተሳስቷል። በአንድ አመዳደብ፣ ሞዴሉ የደመና ጥላዎችን “ውሃ” ብሎ ሲሰይመው፣ የሐይቁ አካባቢ በሌለበት አድጓል። የተጠቃሚው የውሃ ክፍል ትክክለኛነት ወደ 70% ወርዷል። የ NDWI ኢንዴክስ እና የደመና ጭንብል ሲጨመሩ የጥላ/የውሃ ጣልቃገብነት ቀንሷል እና የውሃ ትክክለኛነት ከ90% በላይ ጨምሯል።

ጉዳይ 2 - በመሬት እውነት የተገኘ ሪፖርት። የግብርና ኢንቬንቶሪ ጥናት 82% አጠቃላይ የመነሻ ምደባ ትክክለኛነት ሪፖርት አድርጓል፣ ነገር ግን ይህ በስልጠና ናሙናዎች ተለካ። በ120 ገለልተኛ የመሬት እውነት ነጥቦች ሲለካ ትክክለኛው አጠቃላይ ትክክለኛነት 71% ነበር። ግብርና እና ባዶ መሬት በከፍተኛ ሁኔታ ጣልቃ ገብተዋል. ከተጨማሪ የሥልጠና ምሳሌዎች ጋር ምደባ ተሻሽሏል እና ትክክለኛነት ወደ 84% አድጓል። ትምህርት: ትክክለኛነት የሚለካው በገለልተኛ ናሙና ነው.

ጉዳይ 3 - ወቅታዊ ወጥመድ. በሁለት የተለያዩ ቀናት (በፀደይ እና በጋ መገባደጃ) ላይ የተነሱ ምስሎች አንድ ላይ ሲደባለቁ, የተሰበሰቡት ማሳዎች ወደ "ባዶ መሬት" ክፍል ተዘዋውረዋል እና የእርሻ ቦታው 15% የጠፋ ይመስላል. ምስሎች ከተመሳሳይ ወቅት ሲመረጡ ውጤቶቹ ተሻሽለዋል።

ደካማ ፈጣን/ጠንካራ ፍጥነት

ደካማ ጥያቄ፡

ይህን የሳተላይት ምስል ይመድቡ።

ኃይለኛ ጥያቄ፡-

ተግባር፡ የመሬት ሽፋን አመዳደብ የስራ ፍሰት መገንባት (Python/Rastero + scikit-Learn code skeletonን ጨምሮ)።አውድ፡- ዳሳሽ፡ 4 ባንዶች (ሰማያዊ፣ አረንጓዴ፣ ቀይ፣ NIR)፣ 10 ሜትር ጥራት - ክፍሎች፡ ውሃ፣ ደን፣ ግብርና፣ ግንባታ፣ ባዶ_መሬት - ዓላማ፡ የአሁኑ የመሬት ሽፋን ካርታ + የትኛውን የቪአይኤን ሪፖርት ይጠይቃል (የትኛዎቹ የመሬት ሽፋን ካርታዎች) add and why write.2) ክትትል የሚደረግባቸውን የምደባ ደረጃዎች ይዘርዝሩ; የስልጠና እና የማረጋገጫ ናሙናዎች መለያየት እንዳለባቸው አጽንኦት ይስጡ።3) የስህተት ማትሪክስ + አጠቃላይ ትክክለኛነት + የካፓ ስሌት በኮድ አጽም ውስጥ ያስቀምጡ። 4) የደመና/ጥላ እና የወቅቱ ግራ መጋባት አደጋዎችን ልብ ይበሉ።

የጠንካራው ጥያቄ የክፍል ስብስብን, መፍታትን, የመረጃ ጠቋሚን እና የማረጋገጫ ልዩነትን ይገልጻል; ውጤቱ የሚለካ ይሆናል.

አራት ሊገለበጡ የሚችሉ አብነቶች

1) ዘዴ/መረጃ ጠቋሚ ምርጫ፡-

ለዓላማው (ዒላማ) እና ዳሳሽ (ባንዶች/ጥራት) ምን ዓይነት ስፔክትራል ኢንዴክስ እና የምደባ ዘዴ ይመክራሉ? ለእያንዳንዱ ምርጫ, ምክንያታዊ እና ግራ መጋባት ሊያስከትል የሚችለውን አደጋ ይጻፉ (የትኞቹ ክፍሎች እርስ በርስ ተመሳሳይ ናቸው).

2) የምደባ ኮድ አጽም;

ቁጥጥር የሚደረግበት የምደባ ማዕቀፍ በራስቴሪዮ + scikit-ተማር ይጻፉ፡ የቴፕ ንባብ፣ የመረጃ ጠቋሚ ስሌት፣ የሥልጠና/የማረጋገጫ ናሙናዎች መለያየት፣ ምደባ፣ የስህተት ማትሪክስ እና ትክክለኛ ውጤት። CRS ን ማቆየት; ግለጽ።

3) ትክክለኛነት ግምገማ;

የምደባ ትክክለኛነትን ለመገምገም እቅድ ይጻፉ፡ ገለልተኛ የምድር እውነት ናሙና ንድፍ፣ የስህተት ማትሪክስ፣ አጠቃላይ ትክክለኛነት፣ ካፓ፣ የአምራች/ተጠቃሚ ትክክለኛነት በክፍል። እያንዳንዱ መለኪያ ምን እንደሚል ያብራሩ።

4) ጣልቃ-ገብነት ምርመራ;

ከዚህ በታች ያለውን የስህተት ማትሪክስ ይተርጉሙ-የትኞቹ ክፍሎች እርስ በእርሳቸው ጣልቃ እየገቡ ነው ፣ ምን ሊሆን ይችላል ስፔክታል / ወቅታዊ ምክንያት ፣ ምን ተጨማሪ መረጃ (ኢንዴክስ ፣ ጭንብል ፣ ቀን) ግራ መጋባትን ይቀንሳል? ማትሪክስ፡ [ስህተት ማትሪክስ]

የምደባ ጽንሰ-ሐሳቦችን ማወዳደር

ጽንሰ-ሐሳብ

ትርጉም

መቼ ነው።

ክትትል የሚደረግበት

ከተሰየመ ምሳሌ ጋር ስልጠና

ክፍሎች አስቀድሞ ተወስነዋል

ክትትል የማይደረግበት

ከመሰየሚያ ነፃ ስብስብ

ግኝት ፣ ምንም ምሳሌዎች የሉም

NDVI

የዕፅዋት ህያውነት መረጃ ጠቋሚ

የእፅዋት / ባዶ / የውሃ መለያየት

NDWI

የውሃ መረጃ ጠቋሚ

የውሃ አካል መለያየት

ማትሪክስ ስህተት

እውነት/ሐሰት ቆጠራ

ትክክለኛነት መለኪያ

ካፓ

በአጋጣሚ የተስተካከለ ብቃት

መደበኛ ትክክለኛነት ሪፖርት

የተለመዱ ስህተቶች

• ከስልጠና ምሳሌዎች ጋር ትክክለኛነትን መለካት. ገለልተኛ ያልሆነ ሙከራ ሰው ሰራሽ በሆነ መንገድ ከፍተኛ ትክክለኛነትን ይሰጣል።
• ትክክለኝነትን ሳይለካ ካርታውን ማስረከብ። "ቆንጆ ይመስላል" ለትክክለኛነት ማረጋገጫ አይደለም.
• የደመና/የጥላ ጭንብል መዝለል። ጥላ ከውሃ ጋር ይደባለቃል፣ ደመና ከበረዶ/መዋቅር ጋር ይደባለቃል።
• የተለያዩ የወቅቱ/የቀን ምስሎችን ማደባለቅ። የፍኖሎጂ ልዩነቶች ክፍሎችን ይቀይራሉ.
• በጣም ብዙ እና ተመሳሳይ ክፍሎችን መግለጽ. የማይነጣጠሉ ክፍሎች ትክክለኛነትን ይቀንሳሉ.
• መፍትሄን ችላ ማለት። ትናንሽ ነገሮች ከአንድ ፒክሰል ያነሱ ከሆኑ ሊመደቡ አይችሉም።

በማጠቃለያው

በርቀት ዳሰሳ፣ AI የስራ ፍሰቱን ከብዙ ስፔክትራል መረጃ ወደ የመሬት ሽፋን ካርታ ስራ ያፋጥነዋል እና አብዛኛው ምደባውን ሊወስድ ይችላል። ግን የምደባ ካርታ ጠቃሚ የሚሆነው ትክክለኛነቱ ከተለካ ብቻ ነው፡ የስህተት ማትሪክስ በገለልተኛ የመሬት እውነት ናሙናዎች መገንባት እና አጠቃላይ ትክክለኛነትን እና ካፓን ማስላት መደበኛ ነው። ደመና/ጥላ፣ ወቅታዊ ልዩነት እና ተመሳሳይ ክፍሎች የተለመዱ የጣልቃ ገብነት ምንጮች ናቸው። በመረጃ ጠቋሚ፣ ጭምብል እና የቀን ወጥነት ያስተዳድሩ። የሥልጠና እና የማረጋገጫ ናሙናዎችን በጭራሽ አትቀላቅሉ።

የመተግበሪያ ተግባር

የመሬት ሽፋን ጥያቄን ይምረጡ (ለምሳሌ "የከተማ አረንጓዴ ቦታ ካርታ")። የክፍል ስብስቦችን ፣ የሚጠቀሙባቸውን ባንዶች እና ኢንዴክሶች (ቢያንስ NDVI) ይፃፉ። AI ክትትል የሚደረግበት የስራ ፍሰት እንዲሰራ ያድርጉ; የስልጠና እና የማረጋገጫ ናሙናዎች የተለዩ መሆናቸውን እና የስህተት ማትሪክስ + ካፓ ስሌት በውጤቱ ውስጥ መካተቱን ያረጋግጡ። ከዚያ "የግራ መጋባት አደጋ" ዝርዝር ያዘጋጁ-የትኞቹ ሁለት ክፍሎች ተመሳሳይ ናቸው እና እንዴት እንደሚለያዩዋቸው።

የማረጋገጫ ዝርዝር

• [] የክፍሉን ስብስብ ትንሽ እና ሊለይ የሚችል እንዲሆን አድርጌዋለሁ።
• [ ] ለዓላማው ተስማሚ የሆኑ የእይታ ኢንዴክሶችን (NDVI/NDWI) ጨምሬያለሁ።
• [ ] የሥልጠና እና የማረጋገጫ ምሳሌዎችን ለይቻለሁ።
• [ ] የደመና/የጥላ ጭንብል እና የወቅቱን ወጥነት አረጋገጥኩ።
• [ ] ትክክለኛነትን በገለልተኛ መሬት እውነት ለካሁ።
• [] የስህተት ማትሪክስን፣ አጠቃላይ ትክክለኛነትን እና ካፓን ሪፖርት አድርጌያለሁ።
• [ ] የክፍል ድብልቆችን መርምሬ ፈውሼአለሁ።
• [ ] ካርታው ለታለመለት ጥቅም ትክክለኛ መሆኑን ለኢንጂነር ፍቃዱ ሰጥቻለሁ።