Печалби:
- Способност да се обясни как се прави картографиране на литологията, разломите и промените с AI в сателитни и въздушни изображения.
- Възможност за проектиране на работен процес, който извлича минерални и структурни маркери от мултиспектрални/хиперспектрални данни
- Възможност за тестване на резултатите от дистанционно наблюдение с наземна истина и геоложки контекст
Геоложката карта е проекцията на подземната история на даден регион върху повърхността: коя скална единица къде се намира, къде минават разломите, в каква посока са наклонени слоевете. Класически, тази карта е продукт, който геологът произвежда, като пътува от разкритие на разкритие, с месеци работа на терен. Днес дистанционното наблюдение и изкуственият интелект ускоряват по-голямата част от този процес. В това звено ще видим как картографирането на литологията, разлома и изменението (химическа промяна на скала с хидротермални води; критичен индикатор при проучване на минерали) се прави с изкуствен интелект от сателитни/въздушни изображения и най-важното, как тези резултати се тестват с реалността на земята.
Предупреждение от самото начало: изображението от дистанционно наблюдение е измерване, а не интерпретация; Но всяка карта, получена от това измерване, е интерпретация и има грешка в интерпретацията. „Зона на промяна“, маркирана от изкуствен интелект, може да бъде действителен минерален индикатор, изсъхнало поле, сянка или атмосферно смущение. Картата е хипотеза, докато не бъде проверена на място.
Основна физика на дистанционното наблюдение
Всеки минерал и скала отразява слънчевата светлина при различни дължини на вълните с различна скорост; това се нарича спектрална сигнатура. Човешкото око вижда само видима светлина (червено-зелено-синьо), но сателитните сензори измерват много по-широк диапазон, включително инфрачервена. Две основни концепции:
Мултиспектралното изобразяване измерва в няколко широки ленти с дължина на вълната (обикновено 4-12 ленти); например сателитите Landsat и Sentinel. Различава грапавите скали. Хиперспектралното изображение, от друга страна, измерва в стотици тесни ленти и може да разпознае минерали почти от техния "спектрален пръстов отпечатък"; Използва се за разграничаване на алтерационни минерали (като каолинит, алунит, илит).
AI върши две задачи тук: първо, той класифицира тези високомерни спектрални данни (кой пиксел е коя литология/минерал). Второ, той извлича грешки и структурни характеристики от геометричните модели на изображението (линеаменти, текстура, дренажна мрежа). Когато се добави Цифров модел на релефа (накратко DEM; триизмерна карта на релефа на земята), наклонът, аспектът и топографските линии също се включват в анализа.
Стъпка по стъпка: работен процес на карта за промяна
- Подгответе изображението. Атмосферна корекция (премахване на изкривяващия ефект на атмосферата), маскиране на облаци, растителна маска. Ако тази стъпка бъде пропусната, целият резултат ще бъде замърсен.
- Стеснете вашата област на интерес. Ограничете района на изследване до геоложкия контекст (известен разлом, формация, разкритие); Дайте контекст на модела.
- Изчисляване на спектрални индекси. Съотношения на лентите, които подчертават специфични минерални групи (напр. за железни оксиди, глинести минерали).
- Класифицирайте. Изкуственият интелект класифицира пикселите/регионите и маркира възможните зони за промяна.
- Планирайте проверка на терена. Изберете пробни точки от маркираните зони и ги проверете в полето. Без тази стъпка картата няма да бъде подписана.
Ролята и границите на изкуствения интелект в анализа на изображения
По-конкретно, AI намалява два вида грешки: той улавя фини аномалии, които са пренебрегнати, и стандартизира непоследователни интерпретации. Но това води до три систематични грешки. Първото е фалшиво положително: растителността, сянката, човешката структура или влажността на почвата може да изглеждат като промяна. Второто е отклонение при обучението: ако моделът е обучен на данни от друг регион, той ще бъде грешен за различната литология на вашия сайт. Трето е илюзията за мащаб: един пиксел покрива десетки метри на земята; Фините структури се губят, смесените пиксели (множество материали в един пиксел) са подвеждащи.
Така че златното правило: основната истина винаги побеждава. Картата, получена от изображението, не може да се счита за окончателна, без да бъде тествана с проби и наблюдения в избрани точки на полето. Точките за проверка не се избират произволно, а стратегически, за да покрият както „определени“, така и „подозрителни“ зони.
Три мини калъфа: с числата
Случай 1 — Стесняване на областта за търсене. Проучвателна компания оценяваше лицензионна площ от 1200 km². Подпомогнатата от изкуствен интелект промяна на класификацията от хиперспектрални данни намали района до 7 целеви зони от 38 km². Вместо да посети цялата област, теренният екип даде приоритет на тези 7 зони; първоначалното време за полева кампания беше намалено с приблизително 70%. 5 от 7-те зони показаха реална промяна в полето, 2 бяха фалшиви положителни резултати (глинеста почва) — без проверка тези 2 зони биха били напразно сондиране.
Случай 2 — Предварителна скица за картографиране на повреда. DEM и анализът на линеаментите, извлечени от изображението, предполагат две второстепенни линеаменти заедно с известната основна грешка. Едната се оказа действителна грешка в полето; другата се оказа топографска следа от трасе на тръбопровод. Моделът улови правилно геометричния модел, но не можа да различи неговия произход; Той прави разлика между геоложката правдоподобност и полевия контрол.
Случай 3 — Заблуда на облачната сянка. В една област моделът отбеляза силно "промяна на железен оксид" на северния склон. Атмосферната корекция беше непълна и подписът всъщност беше спектрално изкривяване на тънка облачна покривка. Когато изображението беше повторно обработено и коригирано, аномалията изчезна. Урок: грешката при предварителната обработка заблуждава дори и най-напредналия модел.
Слаба подкана / Силна подкана
Слаба подкана:
Покажете местата, където може да има мини в тази сателитна снимка.
Мощна подкана:
Вашата роля: Геолог по дистанционно наблюдение. Интерпретирайте следните стойности на спектралния индекс и съотношението на лентата (изображение Sentinel-2, суха зона, рядка растителност). - За всяка възможна зона на промяна: напишете кой индекс/съотношение го е задействал. - Предложете ПОНЕ един фалшиво положителен източник за всяка зона (растителност, сянка, почва, създадена от човека, атмосфера). - Сортирайте зоните по "приоритет за проверка на терена" (високо/средно/ниско).- Не представяйте нито една зона като "минирана"; данни за „означение за промяна“: [таблица с индекс/ставка + контекст]
Силната подкана принуждава модела сам да изброява фалшиви положителни резултати и да избягва да претендира за точност.
Четири копируеми шаблона
1) Контролен списък за предварителна обработка:
Проверете за стъпки на предварителна обработка, които може да са били пропуснати в следния работен процес за дистанционно наблюдение: атмосферна корекция, маска на облак/сянка, растителна маска, топографска корекция, калибриране на сензора. Обяснете с едно изречение за всяко как липсващите стъпки могат да повлияят на вашето заключение. Работен процес: [дефиниция]
2) Тълкуване на зоната на промяна:
Извлечете възможни алтерационни минерални групи от следните стойности на спектрален индекс (глина, железен оксид, карбонат, силициев диоксид). За всяка група: индекс на задействане, ниво на достоверност, алтернативно обяснение (фалшиво положително), предложена проверка на полето. Претенция за сигурност. Данни: [индекси]
3) Разделяне на линеамент/разлом:
Разгледайте списъка с линейности по-долу. Избройте възможните източници за всеки: разлом, граница на плочата, дига, дренаж, човешка структура (път/линия/поле), граница на растителността. Посочете най-вероятния произход с геоложки контекст, но пропуснете единствената възможност. Списък: [линейности + контекст]
4) План за точка за проверка:
Предложете план за полева проверка за следната карта на изменение/литология: - Колко точки за вземане на проби за всеки клас, защо. - Балансирано вземане на проби от "определени" и "съмнителни" зони. - Бележка за достъп и сигурност. Обобщение на картата: [класове и области]
Тип изображение и област на използване
Тип данни
Какви мерки
Силата му е
лимит
Мултиспектрален (Sentinel/Landsat)
широколентови мрежи
Груба литология, регионално сканиране
Отделянето на минерали е ограничено
хиперспектрален
Стотици тесни ленти
Разлика минерал/промяна
Разходи, разходи за обработка
DEM (височина)
топография
Разлом/линеамент, дренаж
Литологията не дава
топлинна инфрачервена
повърхностна температура
Малко силикат/карбонат
чувствителен към атмосферата
Радар (SAR)
Грапавост/деформация на повърхността
Под облак, слягане/свличане
Тълкуването е сложно
Съвет: Използвайте изхода от дистанционното наблюдение като „сканиране с приоритет на обекта“, а не „карта на пробиване“. Най-голямата му стойност е, че ви казва къде да отидете първо; Полеви доказателства и инженерът решава къде да пробие.
Внимание: Дори и най-напредналата класификация води до систематични грешки, ако предварителната обработка (атмосферна и топографска корекция, маскиране) е пропусната. В случай на „изходът е странен“, първо потърсете предварителната обработка, а не модела. Принципът боклук вътре, боклук вън е безмилостен тук.
Често срещани грешки
- Пропускане на предварителната обработка. Погрешно приемане на аномалии от некоригирани изображения за истинска геология.
- Забравяне на фалшиви положителни резултати. Объркайте растенията, сянката, влагата в почвата и човешките структури като промени/грешки.
- Подписване без основателна истина. Базиране на решението за сондиране на картата на изображението, без да се проверява на полето.
- Мащабна илюзия. Забравянето на размера на пиксела и пренебрегването на факта, че фините структури се губят или смесени пиксели, са подвеждащи.
- Пренебрегване на образователните пристрастия. Сляпо прилагане на модел, обучен в друг регион, към поле с различна литология.
В обобщение
- Дистанционното наблюдение измерва спектралната характеристика на минералите при различни дължини на вълната; Разграничава мултиспектрално грубо и хиперспектрално фино.
- Изкуственият интелект класифицира тези високомерни данни и извлича грешка/линейност от геометричните модели; но води до фалшиви положителни резултати, отклонение при обучението и отклонение в мащаба.
- Предварителната обработка (атмосферна/топографска корекция, маскиране) определя качеството на резултата; Ако се пропусне, ще възникне системна грешка.
- Дистанционното наблюдение е инструмент за скрининг/приоритизиране; Картата не се счита за точна, без да бъде тествана с наземна истина.
- Основната истина винаги побеждава; Точките за проверка трябва да покриват както определени, така и подозрителни зони по балансиран начин.
Задача за приложение
Анонимизирайте стойностите на съотношението спектрален индекс/лента или списък с DEM линеамент, който имате за работно място (или регион с отворени данни). Интерпретирайте възможните зони на промяна или грешки с мощната подкана и накарайте модела да предложи поне един фалшив положителен източник за всяка зона. След това съставете план за контрол на сайта с шаблона „план за точка за проверка“; Отбележете с едно изречение колко точки са разделени на "подозрителни" зони и защо извършвате балансирано вземане на проби.
контролен списък
- [ ] Мога да различа какво измерват мултиспектралните и хиперспектралните данни и за какво се използват.
- [ ] Знам как стъпките на предварителна обработка (подрязване, маскиране) влияят на резултата.
- [ ] Подлагам на съмнение източниците на фалшиви положителни резултати (растителност, сянка, създадени от човека) в изходните данни за промяна/повреда.
- [ ] Гледам на картата за дистанционно наблюдение като на инструмент за сканиране и я тествам с проверка на терена.
- [ ] Мога да планирам точките за проверка, за да балансирам определени и подозрителни зони.