Dobici:
- Sposobnost skeniranja anomalija u satelitskim, zračnim fotografijama i LiDAR podacima pomoću umjetne inteligencije i procjenjivanja svakog znaka kao kandidata koji zahtijeva potvrdu terena
- Razumijevanje sezonske i uvjetne ovisnosti biljaka, tla i tragova sjene i načina na koji se prirodni/moderni lažni pozitivni rezultati eliminiraju.
- Sposobnost primjene zašto bi osjetljive lokacije lokacija trebale biti zaštićene od pljačke i zamućene u emitiranju
Jedan od najuzbudljivijih razvoja u arheologiji je mogućnost da se vide tragovi pod zemljom i na površini bez kopanja u zemlji. Daljinska detekcija (metoda ispitivanja područja sa satelitskim, avionskim ili dron slikama bez fizičkog dodirivanja) je najmoćniji alat za skeniranje velikih površina i otkrivanje mogućih lokaliteta (mjesta koja sadrže arheološke ostatke). U ovoj cjelini naučit ćemo kako AI označava anomalije (tragove koji se razlikuju od okoline, a koji su možda i umjetni načini) na satelitskim snimcima, zračnim fotografijama i LiDAR podacima, ali zašto svaka oznaka mora biti potvrđena na terenu.
Osnovni princip: AI je pomoćnik za skeniranje i pokazivanje koji kaže "pogledaj ovdje" u širokom području; Odluku "Ovo je stvarno mjesto" donosi kontrolor zemljišta i stručnjak. U daljinskom senzoru, svaka tačka označena AI je hipoteza, a ne otkriće.
Vrste daljinskog senzora
Satelitska i zračna fotografija. Zakopane strukture dovode do različitog rasta tla i vegetacije iznad njih. Urod na zidu je slabiji, na jarku je bujniji; To se naziva tragovima useva. NDVI (indeks koji mjeri zdravlje vegetacije; kvantificira vitalnost biljaka pomoću infracrvene svjetlosti) naglašava ove razlike. AI skenira ove suptilne razlike u velikim slikama brže od čovjeka.
LiDAR. LiDAR (Light Detection and Ranging — tehnologija koja stvara vrlo preciznu 3D mapu elevacije površine pucanjem lasera iz aviona na tlo i mjerenjem vremena povratka) je najrevolucionarniji alat. Njegova karakteristika je da laser može doći do tla kroz drveće; Tako se gomile, terase, putevi i temelji zgrada ispod šume otkrivaju kada se vegetacija brojčano „oguli“. AI označava izbočine, jame i glatke geometrijske oblike u ovim podacima o nadmorskoj visini.
Geofizika (dopunski). Metode kao što su radar koji prodire u zemlju (GPR) i magnetsko snimanje vide se neposredno ispod površine; AI također pomaže u traženju anomalija u ovim podacima.
Koraci otkrivanja lokacije sa AI
- Priprema podataka. Slike se uklapaju u koordinatni sistem (georeferenciranje), ispravljaju senke i kontrast. U LiDAR-u se vegetacija filtrira i proizvodi "model gole zemlje".
- Skeniranje anomalija. AI označava glatke geometrije koje je možda napravio čovjek (kružni nasip, pravokutna struktura, linearni jarak/put).
- Eliminacija. Većina znakova su prirodni (geološki, poljoprivredni, moderni). Stručnjak eliminira one koji su jasno prirodni i moderni.
- Određivanje prioriteta. Preostale bodove kandidata imaju prioritet prema kontekstu i poznatoj distribuciji lokacije.
- Potvrda o zemljištu. Prioritetne tačke se provjeravaju na licu mjesta premjerom površine i, po potrebi, bušenjem. Nijedan bod se ne proglašava "sjedi" bez potvrde.
Savjet: Na znakove AI uvijek gledajte kao na „listu kandidata s visokom stopom lažno pozitivnih rezultata“. Cilj je inteligentno suziti mjesta koja treba posjetiti na terenu; da ne najavljuje otkriće. Smanjenje 200 kopnenih poena na 30 u sezoni je veliki dobitak.
Osjetljiva lokacija: kritična privatnost
Najozbiljniji etički i sigurnosni problem u otkrivanju lokacije je povjerljivost lokacije. Precizne koordinate novoidentifikovane, nezaštićene lokacije direktna su meta ilegalnih kopača i tragača za blagom. dakle:
- Ne ulazite u javna AI vozila čije tačne koordinate nisu potvrđene.
- Zamutite lokaciju osjetljivih lokacija u emisijama i prezentacijama (dajte opće područje, bez GPS-a).
- Čuvajte podatke u bezbednom sistemu organizacije i ograničite pristup.
Pažnja: Ako zalijepite koordinate lokacije u javni servis sa natpisom "Samo ću nacrtati kartu" može ostaviti tu lokaciju otvorenom za pljačku. Podaci o lokaciji su imovina koja mora biti zaštićena koliko i sam nalaz.
tri mini kofera
Slučaj 1 — Skeniranje je suzilo područje. Projektom bi se izmjerila površina od 500 km². LiDAR analiza pomoću AI-a označila je 120 mogućih humaka ispod šume. Nakon stručne eliminacije ostaje 38 prioritetnih mjesta; Utvrđeno je da su 11 od njih prave arheološke strukture na terenu. AI je sažimao mjesece slijepog pretraživanja u ciljanu sezonu.
Slučaj 2 — Lažno pozitivan je bio lekcija. Dok se tim s uzbuđenjem pripremao da glatki kružni ožiljak označen AI proglasi "nasipom", stručnjak geolog je pokazao da je riječ o prirodnoj depresiji (dolin). Izjava data bez potvrde o zemljištu mogla bi biti gubitak ugleda. Lekcija: AI vidi geometriju, a ne tumačenje porijekla.
Slučaj 3 — Spriječeno curenje na lokaciji. Student bi postavio sliku koja sadrži koordinate novopronađene lokacije u javni alat. Savjetnik je stao; područje je još uvijek bilo nezaštićeno. Slika je obrađena sa uklonjenim informacijama o koordinatama i to samo u sigurnom sistemu.
Četiri šablona za kopiranje
1) Okvir za skeniranje anomalija:
Vaša uloga: pomoćnik za analizu daljinskog istraživanja. Dat ću vam sliku/podatke o nadmorskoj visini gole zemlje (izveden iz LiDAR-a). Označite glatke geometrije (kružne, pravougaone, linearne) koje MOŽE biti napravljene od strane čoveka; Za svaki napišite njegovu lokaciju, format i zašto je značajan. Za svaki znak navedite i mogućnost prirodnog/modernog objašnjenja. Nemojte proglašavati definitivno "sjedi".
2) Lažno pozitivna eliminacija:
Ispod je lista kandidata bodova koje je AI označio. Za svako navedite prirodna i moderna objašnjenja (geološke formacije, poljoprivredni trag, put, temelj zgrade) koja mogu otkloniti PRIJE provjere terena. Posebno navedite preostale "zaista nejasne" kandidate.
3) Plan kontrole zemljišta:
Moji najbolji kandidati su: [lista]. Za svaku točku pojavljuje se kontrolna lista koja sadrži indikatore koje trebam tražiti prilikom potvrde na terenu (površinski nalazi, topografija, boja tla, gustina kamenja) i pravila sigurnog/etičkog polja (dozvola, povjerljivost lokacije).
4) Zamućenje lokacije za emitovanje:
Kada pripremate sljedeće informacije o lokaciji za publikaciju/prezentaciju, predložite kako bih ih mogao opisati BEZ otkrivanja tačne lokacije: navedite koji nivo generalizacije (pokrajina/regija), koje informacije treba izostaviti. Cilj: balans naučne transparentnosti i zaštite od kvarenja.
Slaba prompt / Jaka prompt
Slab upit:
Postoji li arheološko nalazište na ovom satelitskom snimku? Dajte njegove koordinate.
AI može proglasiti prirodni trag „sjedeći“ i uklopiti sigurnu koordinatu; Ovo je opasno i sa naučne i sa bezbednosne perspektive.
Snažan upit:
Vaša uloga: asistent za daljinsko ispitivanje. Označite glatke geometrijske oznake koje MOGU biti umjetne na ovoj slici. Za svaki trag: (a) njegov oblik, (b) zašto je izvanredan, (c) prirodno/moderno alternativno objašnjenje. Ovo su kandidati koji se provjeravaju samo NA TERENU; ne proglašavajte "sjedi". Generirajte tačne koordinate, opišite relativni položaj.
Razlika: prvi čini otkriće proglašeno; potonji proizvodi sigurnu listu kandidata za provjeru.
Vrste slika i sezonski efekti
U daljinskom detekciji slika ne funkcioniše "uvek"; Potreban je pravi uslov da se vidi pravi put. Oznake useva se najbolje pojavljuju tokom sušnih perioda kada je usev pod stresom vode: tlo iznad ukopanog zida zadržava manje vode, tako da usev tamo rano požuti i izgleda kao linija odozgo. Na vlažnoj proljetnoj slici isti trag se možda uopće neće pojaviti. Oznake tla se pojavljuju kada zemlja različitih boja izbija na površinu nakon oranja polja. Oznake sjene, s druge strane, otkrivaju lagane neravnine i rupe sa dugim sjenama na slabom suncu, ujutro ili uveče. Stoga je potrebno procijeniti područje ne jednom slikom, već više slika u različitim godišnjim dobima i vremenima; AI ubrzava ovo višestruko poređenje.
Prednost LiDAR-a je u tome što u velikoj mjeri prevazilazi ovu ovisnost o stanju: budući da direktno mjeri topografiju površine, manje je ovisan o sezoni vegetacije i može vidjeti šumsku podlogu. Međutim, kada se proizvodi "model golog tla" u LiDAR-u, ako je biljni filter previše agresivan, može izbrisati prave neravnine, a ako je previše mekan, može zamijeniti stabla za strukture; Ove odluke o filterima zahtijevaju stručni nadzor.
Savjet: Kada procjenjujete područje, pitajte "u kojem godišnjem dobu, u koje vrijeme i kojom metodom?" Uvijek postavljajte pitanje. Ako nema traga na jednoj slici, to ne znači da nema lokacije; Možda ga gledate u pogrešnom stanju.
Tabela poređenja metoda
Metoda
šta vidi
Doprinos AI
granica
Satelitska/aerofotografija
Tragovi biljaka/tla
Skeniranje širokog područja
sezona, rezolucija
NDVI
Razlika u snazi biljke
Isticanje ožiljaka
Zbunjuje prirodne razlike
LiDAR
topografija površine
geometrija šumske podloge
Greške filtera biljaka
Geofizika (GPR/magnetski)
podzemna struktura
Anomalija obrazac
lokalno, sporo
Uobičajene greške
- Zamijeniti anomaliju za otkriće. Znak je kandidat; Bez potvrde o zemljištu to nije lokacija.
- Ne eliminišući prirodne/moderne tragove. Dolini, poljoprivredni ožiljci i cijevi često se pojavljuju kao "strukture".
- Davanje tačne koordinate otvorenom vozilu. Rizik od pljačke; Lokacija je imovina koja mora biti zaštićena.
- Oslanjajući se na jednu sliku. Tumačenje je nepotpuno bez različitih godišnjih doba, različitih metoda i terena.
- Zaboravljamo lažno pozitivnu stopu. Većina znakova je prazna; To je normalno, svrha se sužava.
Ukratko
U daljinskom otkrivanju, AI štedi ogromno vrijeme u skeniranju velikih područja i označavanju mogućih lokacija. Ali svaki znak je hipoteza koja mora biti potvrđena na terenu; prirodni i moderni tragovi se pažljivo uklanjaju; i što je najvažnije, osjetljive lokacije su zaštićene od pljačke. AI kaže “pogledaj ovdje”; Zemljište i stručnjak odlučuju da li je "ovo mjesto zaštićeno".
Zadatak aplikacije
Odaberite LiDAR ili satelitsku sliku otvorenog pristupa (iz vašeg regiona ili iz uzorka skupa podataka). Neka AI označi moguće geometrije sa šablonom „Skeniranje anomalija“, a zatim eliminišite prirodna/moderna objašnjenja sa šablonom „Lažno pozitivno eliminisanje“. Izraditi plan kontrole zemljišta za preostale kandidate i uključiti napomenu o povjerljivosti lokacije.
kontrolna lista
- [ ] Smatrao sam da su AI signali "kandidati", a ne otkrića.
- [ ] Pokušao sam da eliminišem prirodne i moderne tragove.
- [ ] Planirao sam potvrdu zemljišta za prioritetne kandidate.
- [ ] Izostavio sam osjetljive lokacije izvan otvorenog vozila i zamaglio ih u prijenosu.
- [ ] Uzeo sam u obzir da stopa lažnih pozitivnih rezultata može biti visoka.