Dobici:
- Sposobnost da se objasni kako se litologija, mapiranje rasjeda i promjena radi pomoću AI na satelitskim i zračnim snimcima.
- Sposobnost dizajniranja toka posla koji izdvaja mineralne i strukturne markere iz multispektralnih/hiperspektralnih podataka
- Sposobnost testiranja izlaznih podataka daljinske detekcije sa zemljom istinom i geološkim kontekstom
Geološka karta je projekcija podzemne priče područja na površini: koja je jedinica stijena gdje se nalazi, gdje prolaze rasjedi, u kom smjeru su slojevi nagnuti. Klasično, ova mapa je proizvod koji geolog proizvodi putujući od jednog izdanja do drugog, uz višemjesečni rad na terenu. Danas, daljinsko ispitivanje i umjetna inteligencija ubrzavaju većinu ovog procesa. U ovoj cjelini vidjet ćemo kako se mapiranje litologije, rasjeda i alteracija (kemijska promjena stijene s hidrotermalnim vodama; kritičan indikator u istraživanju minerala) vrši pomoću umjetne inteligencije sa satelitskih/zračnih snimaka, i što je najvažnije, kako se ovi rezultati testiraju u odnosu na realnost zemlje.
Upozorenje od početka: slika na daljinu je mjerenje, a ne interpretacija; Ali svaka karta izvedena iz tog mjerenja je interpretacija i postoji greška u tumačenju. "Zona promjene" označena umjetnom inteligencijom može biti stvarni indikator minerala, osušeno polje, sjena ili atmosferski poremećaj. Karta je hipoteza dok se ne provjeri na terenu.
Osnovna fizika daljinske detekcije
Svaki mineral i stena reflektuju sunčevu svetlost na različitim talasnim dužinama različitim brzinama; ovo se zove spektralni potpis. Ljudsko oko vidi samo vidljivo svjetlo (crveno-zeleno-plavo), ali satelitski senzori mjere mnogo širi raspon, uključujući infracrveno. Dva osnovna koncepta:
Multispektralna slika mjere u nekoliko širokih opsega talasnih dužina (obično 4-12 opsega); na primjer, sateliti Landsat i Sentinel. Razlikuje grube stijene. Hiperspektralno snimanje, s druge strane, mjeri se u stotinama uskih traka i može prepoznati minerale gotovo iz njihovog "spektralnog otiska prsta"; Koristi se za razlikovanje alteracionih minerala (kao što su kaolinit, alunit, ilit).
AI ovdje radi dva posla: prvo, klasifikuje ove visokodimenzionalne spektralne podatke (koji piksel je koji litologija/mineral). Drugo, izdvaja kvarove i strukturne karakteristike iz geometrijskih obrazaca slike (lineamenti, tekstura, drenažna mreža). Kada se doda Digitalni model elevacije (skraćeno DEM; trodimenzionalna visinska karta zemljišta), u analizu su uključeni i nagibi, aspekti i topografski lineamenti.
Korak po korak: radni tok izmjene mape
- Pripremite sliku. Atmosferska korekcija (uklanjanje narušavanja atmosfere), maskiranje oblaka, maska vegetacije. Ako se ovaj korak preskoči, cijeli rezultat će biti kontaminiran.
- Suzite područje interesovanja. Ograničiti područje istraživanja na geološki kontekst (poznata rasjeda, formacija, izdanak); Dajte kontekst modelu.
- Izračunajte spektralne indekse. Omjeri traka koji ističu specifične grupe minerala (npr. za okside željeza, minerale gline).
- Razvrstaj. Umjetna inteligencija klasificira piksele/regije i označava zone mogućih promjena.
- Zakažite provjeru terena. Odaberite točke uzorka iz označenih zona i provjerite ih u polju. Bez ovog koraka mapa neće biti potpisana.
Uloga i granice umjetne inteligencije u analizi slike
Konkretno, AI smanjuje dvije vrste grešaka: hvata suptilne anomalije koje se zanemaruju i standardizira nedosljedna tumačenja. Ali proizvodi tri sistematske greške. Prvi je lažno pozitivan: vegetacija, hlad, ljudska struktura ili vlaga u tlu mogu izgledati kao izmjena. Drugi je pristrasnost u obuci: ako je model obučen na podacima iz drugog regiona, biće pogrešan na različitoj litologiji vašeg sajta. Treća je iluzija razmjera: jedan piksel pokriva desetine metara na tlu; Fine strukture se gube, pomiješani pikseli (više materijala u jednom pikselu) dovode u zabludu.
Dakle, zlatno pravilo: temeljna istina uvijek pobjeđuje. Karta koja je rezultat slike ne može se smatrati konačnom bez testiranja uzorcima i zapažanjima na odabranim tačkama na terenu. Tačke za verifikaciju se ne biraju slučajno, već strateški, kako bi pokrile i "određene" i "sumnjive" zone.
Tri mini slučaja: prema brojevima
Slučaj 1 — Sužavanje područja pretraživanja. Istraživačka kompanija je procjenjivala licencno područje od 1.200 km². Klasifikacija promjena uz pomoć umjetne inteligencije iz hiperspektralnih podataka smanjila je područje na 7 ciljnih zona od 38 km². Umjesto obilaska cijelog područja, terenski tim je dao prioritet ovih 7 zona; početno vrijeme terenske kampanje smanjeno je za oko 70%. 5 od 7 zona je pokazalo stvarne promjene na terenu, 2 su bile lažno pozitivne (ilovasto tlo) — bez verifikacije, ove 2 zone bi bile uzaludno bušenje.
Slučaj 2 — Preliminarna skica mapiranja grešaka. DEM i analiza lineamenta ekstrahovane slike sugerira dva manja lineamenta uz poznatu glavnu rasjedu. Ispostavilo se da je jedna stvarna greška na terenu; drugi se pokazao kao topografski trag trase cjevovoda. Model je ispravno uhvatio geometrijski uzorak, ali nije mogao razlikovati njegovo porijeklo; On je napravio razliku između geološke prihvatljivosti i kontrole terena.
Slučaj 3 — Zabluda o sjeni oblaka. U jednom području model je označio snažnu "promjenu željeznog oksida" na sjevernoj padini. Atmosferska korekcija je bila nepotpuna i potpis je zapravo bio spektralno izobličenje tankog oblaka. Kada je slika ponovo obrađena i ispravljena, anomalija je nestala. Lekcija: greška u prethodnoj obradi zavara čak i najnapredniji model.
Slaba prompt / jaka prompt
Slab upit:
Prikažite mjesta na kojima bi moglo biti mina na ovoj satelitskoj slici.
Snažan upit:
Vaša uloga: geolog za daljinsko istraživanje. Protumačite sljedeće vrijednosti spektralnog indeksa i omjera pojasa (slika Sentinel-2, sušna zona, rijetka vegetacija).- Za svaku moguću zonu izmjene: napišite koji indeks/omjer je to pokrenuo.- Predložite NAJMANJE jedan lažno pozitivan izvor za svaku zonu (vegetacija, sjena, tlo, umjetna, atmosferska zona prije).- (visoko/srednje/nisko).- Ne predstavljajte nijednu zonu kao "miniranu"; "token izmjene mora biti verificiran" podaci: [tabela indeksa/cijena + kontekst]
Jaka prompt prisiljava model da sam navede lažne pozitivne rezultate i izbjegne tvrdnje o točnosti.
Četiri predloška koji se mogu kopirati
1) Kontrolna lista za prethodnu obradu:
Provjerite da li postoje koraci predobrade koji su možda izostavljeni u sljedećem toku rada daljinskog otkrivanja: korekcija atmosfere, maska oblaka/sjene, vegetacijska maska, topografska korekcija, kalibracija senzora. Objasnite u jednoj rečenici za svaki kako bi koraci koji nedostaju mogli umanjiti vaš zaključak. Tok rada: [definicija]
2) Tumačenje zone izmjene:
Izdvojite moguće grupe minerala za promjenu iz sljedećih vrijednosti spektralnog indeksa (glina, željezni oksid, karbonat, silicijum dioksid). Za svaku grupu: indeks okidača, nivo pouzdanosti, alternativno objašnjenje (lažno pozitivno), predložena provjera polja. Potvrđivanje sigurnosti. Podaci: [indeksi]
3) Odvajanje linija/rasjeda:
Razmotrite listu linearnosti ispod. Navedite moguće porijeklo za svaki: rasjeda, granica ploča, nasip, drenaža, ljudska struktura (put/linija/polje), granica vegetacije. Navedite najvjerovatnije porijeklo s geološkim kontekstom, ali izostavite jedinu mogućnost. Lista: [linearnosti + kontekst]
4) Plan verifikacione tačke:
Predložite plan terenske verifikacije za sljedeću kartu izmjene/litologije: - Koliko tačaka uzorka za svaku klasu, zašto. - Uravnoteženo uzorkovanje "određenih" i "sumnjivih" zona. - Pristup i sigurnosna napomena. Sažetak karte: [klase i područja]
Vrsta slike i područje upotrebe
Tip podataka
Koje mere
Njegova snaga je
limit
Multispektralni (Sentinel/Landsat)
širokopojasne veze
Gruba litologija, regionalno skeniranje
Odvajanje minerala je ograničeno
hiperspektralna
Stotine uskih traka
Razlika mineral/promjena
Troškovi, režijski troškovi obrade
DEM (visina)
topografija
Rasjed/lineament, drenaža
Litologija ne daje
termalni infracrveni
temperatura površine
Malo silikata/karbonata
osetljiv na atmosferu
radar (SAR)
Hrapavost/deformacija površine
Pod oblakom, slijeganje/klizište
Interpretacija je komplikovana
Savjet: koristite izlaz daljinskog otkrivanja kao „prioritetno skeniranje lokacije“, a ne „kartu bušenja“. Njegova najveća vrijednost je u tome što vam govori kuda prvo ići; Dokazi na terenu i inženjer odlučuju gdje će se bušiti.
Oprez: Čak i najnaprednija klasifikacija proizvodi sistematske greške ako se izostavi prethodna obrada (atmosferska i topografska korekcija, maskiranje). U slučaju "izlaz je čudan" prvo upitajte pretprocesiranje, a ne model. Princip smeće unutra, smeće van je nemilosrdan.
Uobičajene greške
- Preskakanje predobrade. Greška anomalija iz nekorigiranih slika za pravu geologiju.
- Zaboravljanje lažnih pozitivnih rezultata. Pogrešiti biljke, sjenu, vlagu u tlu i ljudske strukture kao promjene/greške.
- Potpisivanje bez temeljne istine. Zasnovanje odluke o bušenju na karti slike bez provjere na terenu.
- Iluzija razmjera. Zaboravljanje veličine piksela i ignoriranje činjenice da se fine strukture gube ili miješaju pikseli su zavaravajuće.
- Ignoriranje obrazovne pristrasnosti. Slijepa primjena modela obučenog u drugoj regiji na polje s različitom litologijom.
Ukratko
- Daljinsko ispitivanje mjeri spektralni potpis minerala na različitim talasnim dužinama; Razlikuje multispektralno grubo i hiperspektralno fino.
- Umjetna inteligencija klasifikuje ove visokodimenzionalne podatke i izvlači greške/linearnost iz geometrijskih obrazaca; ali proizvodi lažne pozitivne rezultate, pristrasnost treninga i pristrasnost skale.
- Prethodna obrada (atmosferska/topografska korekcija, maskiranje) određuje kvalitet rezultata; Ako se izostavi, doći će do sistematske greške.
- Daljinska detekcija je alat za skrining/određivanje prioriteta; Karta se ne smatra tačnom ako nije testirana sa temeljnom istinom.
- Osnovna istina uvijek pobjeđuje; Tačke za verifikaciju treba da pokriju i određene i sumnjive zone na uravnotežen način.
Zadatak aplikacije
Anonimizirajte vrijednosti spektralnog indeksa/pojasa ili listu DEM lineamenta koju imate za radno mjesto (ili područje otvorenih podataka). Protumačite moguće zone izmjena ili kvarove uz moćnu promptu i neka model predloži barem jedan lažno pozitivan izvor za svaku zonu. Zatim izradite plan kontrole lokacije sa šablonom „plan tačaka verifikacije“; Zabilježite u jednoj rečenici koliko je tačaka podijeljeno u "sumnjive" zone i zašto izvodite balansirano uzorkovanje.
kontrolna lista
- [ ] Mogu razlikovati šta multispektralni i hiperspektralni podaci mjere i za šta se koriste.
- [ ] Znam kako koraci predobrade (srezivanje, maskiranje) utiču na rezultat.
- [ ] Preispitujem izvore lažnih pozitivnih rezultata (vegetacija, sjena, umjetni proizvodi) u izlaznim promjenama/kvarovima.
- [ ] Mapu daljinskog otkrivanja gledam kao alat za skeniranje i testiram je provjerom terena.
- [ ] Mogu planirati verifikacione tačke da uravnotežim određene i sumnjive zone.