Dobici:
- Sposobnost tumačenja GIS slojeva, NDVI i koncepata opsega/rezolucije daljinskog senzora
- Interpretacija indeksa, analiza promjena i izrada narativne mape uz pomoć AI
- Sposobnost verifikacije satelitske/mape interpretacije AI-a s prizemnom istinom i metapodacima
Vi ste inženjer zaštite životne sredine koji radi na projektu očuvanja močvara. Vijeće želi da istražite pritužbe da se korito trske na obali jezera smanjilo u posljednjih pet godina. Prije odlaska na teren, potrebno je da napravite preliminarnu procjenu na svom stolu: imate satelitske snimke iz dvije različite godine, GIS (Geografski informacioni sistem) projekat i jezički model. Možete dati LLM da tumači NDVI sažetak slika i napiše nacrt narativa promjene. Međutim, satelitski piksel predstavlja kvadrat od 10 metara, a samo s prizemnom istinom možete shvatiti da li postoji sjena oblaka, trska koja se suši ili sezonski nivo vode. U ovoj cjelini pokrivamo koncepte daljinske detekcije i GIS-a, tumačenje indeksa/promjena pomoću AI, i što je najvažnije, granice ove interpretacije.
Logika GIS sloja i osnove daljinskog otkrivanja
GIS organizira geografske podatke u slojeve koji se preklapaju: svaki sloj nosi temu (namjena zemljišta, vodna tijela, nadmorska visina, putevi) i usklađen je u zajedničkom koordinatnom sistemu. Analiza počinje preklapanjem ispravnih slojeva u ispravnoj projekciji; pogrešan koordinatni sistem sistematski pristrasna područja i udaljenosti.
Prilikom tumačenja slike daljinskog senzora morate razlikovati tri vrste rezolucije:
Vrsta rezolucije
Šta to govori?
primjer
ograničenje
prostorni
Veličina jednog piksela na tlu
10m, 30m
Mali objekti ostaju pod-piksel
spektralno
Koliko i koji opseg talasne dužine?
Crvena, NIR, SWIR
Manje opsega = manja moć diskriminacije
temporalni
Koliko često se gleda isto mjesto
5 dana, 16 dana
Gubitak podataka u oblačnim danima
Radiometrijski
Osjetljivost svjetline (dubina bita)
8-bitni, 12-bitni
Mala dubina = loša diskriminacija
NDVI: formula i interpretacija
Najčešći indeks koji mjeri vitalnost vegetacije je NDVI (Normalized Difference Vegetation Index). Zdrava biljka snažno reflektuje blisko infracrveno (NIR) i apsorbuje crvenu (CRVENU):
NDVI = (NIR − RED) / (NIR + RED) Raspon vrijednosti: −1 ... +1 < 0 : voda, snijeg, oblak 0,0 - 0,2 : golo tlo, stijena, izgrađena površina 0,2 - 0,5 : rijetka/zeljasta vegetacija, naglašeni pokrivač 0,5 - 0,9 : pokrivač gust, zeleni : pokrov
# NDVI malog uzorka bloka piksela uvozi numpy kao npnir = np.array([[0.42, 0.38], [0.11, 0.45]]) # bliska infracrvena refleksijared = np.array([[0.06, 0.09], [0.10] crvena) (0.10] crvena) / (nir + red)print(np.round(ndvi, 2))# [[0.75 0.62]# [0.05 0.80]]# donji lijevi piksel (0.05): nije biljka - može biti golo tlo ili voda/sjena
Savjet: NDVI nije apsolutna mjera "zdravlja" već indikator koji ovisi o stanju. Kada upoređujete dva datirana NDVI-a istog područja, uvjerite se da su slike snimljene u sličnim godišnjim dobima, sličnim uglovima sunca i uvjetima bez oblaka. Upoređivanje izgleda kasnog ljeta i proljeća proizvodi nestvarni „gubitak biljaka“.
Analiza promjena (detekcija promjena)
Jednostavan način da pronađete razliku između dva datuma je da uzmete NDVI razliku, ali ova razlika ima smisla samo ako se slike mogu uporediti.
ΔNDVI = NDVI_2025 − NDVI_2020 ΔNDVI << 0 : moguć gubitak pokrivača (sušenje, sečenje, izgradnja) ΔNDVI ≈ 0 : bez promjene ΔNDVI >> 0 : moguće povećanje pokrova (ozelenjavanje, restauracija) PAŽNJA: Razlika može odražavati stvarnu promjenu kao i sezonsku razliku Razlika = stvarna promjena + buka.
Oprez: Oblak, sjena oblaka i sezonalnost najveći su protivnici analize promjena. Područje ispod sjene oblaka daje nizak NDVI i izgleda kao "gubitak vegetacije". Kada LLM izvodi interpretaciju slike, model može zamijeniti ove artefakte za stvarni događaj. Obavezno provjerite metapodatke slike (datum, postotak oblaka, ugao sunca).
Interpretacija indeksa i naracija mape sa AI
LLM je koristan u prevođenju sažetaka numeričkih indeksa u običan narativni prikaz i izradu nacrta izvještaja. Dajte mu sirovu NDVI statistiku i metapodatke i zamolite ga da generira komentar da biste ga vi potvrdili.
WEAK PROMPT: "Da li je močvarno područje postalo manje na ovom satelitskom snimku?" SNAŽNA UPITKA: "Dajem dvije datirane NDVI statistike (ista oblast, isti senzor): 2020-07-15 prosječno NDVI=0,61 oblak=3% ugla sunca=58°2025-07-12 prosječno NDVI=0,42 oblak=22% ugao sunca=55°jezera40 područje interesovanja. zadatak:1) Izračunajte ΔNDVI i navedite moguća tumačenja.2) Navedite razloge (oblačenje, sjena, nivo vode, godišnje doba, kalibracija) zbog kojih bi ovo opadanje moglo biti uzrokovano (oblačenje, sjena, nivo vode, godišnje doba, kalibracija) OSIM STVARNOG gubitka pokrivača.3) Za svaki mogući uzrok, predložite korak da biste razlikovali nivo oblaka, polje bez VERIFIKACIJE, posjetite sliku. snimanje).4) Tačna tvrdnja 'tršćaka se smanjila za X%' NEMOJTE navesti da se to može reći samo ako to potvrđuje osnovna istina."
Snažan nagoveštaj ne usmjerava model na jedan konačan zaključak, već na plan alternativnih objašnjenja i verifikacije. Činjenica da slika iz 2025. sadrži 22% oblaka čini taj pad sumnjivim sam po sebi.
Osnovna provjera istine
Zlatni standard interpretacije daljinskim senzorima su verifikacione tačke sa zapažanjima i merenjima na terenu. Zabilježite stvarni zemljišni pokrivač pomoću GPS-a na nekoliko referentnih tačaka i uporedite ga sa klasifikacijom slike. Ako polje kaže "suhe trske" u pikselu gdje AI ili algoritam kaže "voda", klasifikacija je nepouzdana.
mini case
U praćenju uticaja rudarske lokacije na životnu sredinu, tim je izradio „15 hektara gubitka šuma usled rudarskih aktivnosti“ na osnovu smanjenja NDVI izračunatog na osnovu satelitskog snimka i dao tumačenje prošireno u LLM; model je proizveo fluidan, uvjerljiv narativ. Međutim, kada je tim na terenu provjerio izvještaj, vidjelo se da je dio područja sa niskim NDVI zapravo požnjevena poljoprivredna parcela, a dio je bila sjena oblaka koja se poklopila sa danom snimanja. Stvarni gubitak šume bio je oko 4 hektara, a ne 15. Da su metapodaci (maska u oblaku) i sloj korištenja zemljišta prethodno provjereni, greška bi prije svega bila spriječena. LLM-ove uredne rečenice nisu učinile pogrešan unos ispravnim.
Uobičajene greške
- Uspoređujući različite slike godišnjeg doba/ugla sunca i zamijenite sezonsku razliku sa "promjenom".
- Tumačenje oblaka i sjene oblaka kao stvarnog gubitka pokrova; zaobilazeći masku oblaka.
- Donošenje tačnih sudova na osnovu podataka piksela o malim objektima koji premašuju prostornu rezoluciju.
- Pogrešno izračunavanje površina i udaljenosti zbog neusklađenosti koordinatnog sistema/projekcije.
- Razmišljajući da je NDVI apsolutna mjera zdravlja i tretiranje vode i piksela sjene kao da su biljke.
- Stavljanje tečne naracije LLM-ove karte u izvještaj kao konačnog nalaza bez temeljne istine.
- Izvještavanje o rezultatima bez dokumentiranja metapodataka (datum, senzor, % oblaka, nivo obrade).
Ukratko
- GIS analize su izgrađene na slojevima poravnatim u zajedničkom koordinatnom sistemu; Greška projekcije iskrivljuje rezultat.
- Prostorna, spektralna, vremenska i radiometrijska rezolucija ograničavaju ono što slika može prikazati.
- NDVI = (NIR-RED)/(NIR+RED) je uslovni pokazatelj snage biljke, a ne apsolutna mjera zdravlja.
- U analizi promjena, razlika = prava promjena + šum; Oblak, sjena i godišnje doba su najveći prevaranti.
- LLM proizvodi interpretaciju indeksa i narativni nacrt karte, ali ne "vidi" satelitsku sliku; Komentari prema broju koji date.
- Tumačenje umjetne inteligencije i automatska klasifikacija ne mogu se prevesti u konačne ekološke nalaze bez verifikacije temeljnom istinom i metapodacima.
Zadatak aplikacije
Napravite ili pretpostavite dva datirana NDVI sažetka za polje (po vašem izboru ili uzorak); Zabilježite metapodatke (datum, postotak oblaka, ugao sunca, senzor) za svaki datum. Izračunajte ΔNDVI. Napišite snažan upit i neka LLM zatraži ne samo stvarnu promjenu naslovnice, već i alternativna objašnjenja (olak, sjena, godišnje doba, nivo vode, kalibracija) i korak verifikacije za svako. Zatim izradite “osnovni plan verifikacije istine”: najmanje tri referentne tačke, šta će se meriti na terenu i kako će se to uporediti sa interpretacijom slike. Na kraju, označite koja izjava u narativu koju je izradio LLM „ne može biti uključena u izvještaj bez provjere“ i napišite razlog.