Κέρδη:
- Δυνατότητα σάρωσης για ανωμαλίες σε δεδομένα δορυφόρου, αεροφωτογράφησης και LiDAR με τεχνητή νοημοσύνη και αξιολόγηση κάθε σημείου ως υποψήφιου που απαιτεί επιβεβαίωση εδάφους
- Κατανόηση της εποχιακής και υπό όρους εξάρτησης των φυτών, του εδάφους και των ιχνών σκιάς και πώς εξαλείφονται τα φυσικά/σύγχρονα ψευδώς θετικά.
- Δυνατότητα εφαρμογής γιατί οι ευαίσθητες τοποθεσίες τοποθεσιών πρέπει να προστατεύονται από λεηλασίες και να θολώνονται κατά τη μετάδοση
Μία από τις πιο συναρπαστικές εξελίξεις στην αρχαιολογία είναι η ικανότητα να βλέπεις ίχνη υπόγεια και στην επιφάνεια χωρίς να σκάβεις στο έδαφος. Η τηλεπισκόπηση (μια μέθοδος εξέτασης μιας περιοχής με εικόνες δορυφόρου, αεροσκάφους ή drone χωρίς να την αγγίξετε φυσικά) είναι το πιο ισχυρό εργαλείο για τη σάρωση μεγάλων περιοχών και την ανίχνευση πιθανών τοποθεσιών (τόποι που περιέχουν αρχαιολογικά κατάλοιπα). Σε αυτή την ενότητα, θα μάθουμε πώς η τεχνητή νοημοσύνη επισημαίνει ανωμαλίες (ίχνη που διαφέρουν από το περιβάλλον της, που μπορεί να είναι ανθρωπογενή) σε δορυφορικές εικόνες, αεροφωτογραφίες και δεδομένα LiDAR, αλλά γιατί κάθε σημάδι πρέπει να επιβεβαιώνεται στο πεδίο.
Βασική αρχή: Το AI είναι ένας βοηθός σάρωσης και κατάδειξης που λέει "κοίτα εδώ" σε μια ευρεία περιοχή. «Πρόκειται πραγματικά για τοποθεσία» λαμβάνεται από τον ελεγκτή γης και τον εμπειρογνώμονα. Στην τηλεπισκόπηση, κάθε σημείο που επισημαίνεται από την τεχνητή νοημοσύνη είναι μια υπόθεση, όχι μια ανακάλυψη.
Τύποι τηλεπισκόπησης
Δορυφορική και αεροφωτογραφία. Οι θαμμένες δομές οδηγούν σε διαφορική ανάπτυξη του εδάφους και της βλάστησης πάνω από αυτές. Η καλλιέργεια σε έναν τοίχο είναι πιο αδύναμη, σε ένα χαντάκι είναι πιο θαμνώδης. Αυτά ονομάζονται σημάδια καλλιέργειας. Το NDVI (ένας δείκτης που μετρά την υγεία της βλάστησης· ποσοτικοποιεί τη ζωτικότητα των φυτών χρησιμοποιώντας υπέρυθρο φως) υπογραμμίζει αυτές τις διαφορές. Το AI σαρώνει αυτές τις λεπτές διαφορές σε μεγάλες εικόνες πιο γρήγορα από έναν άνθρωπο.
LiDAR. Το LiDAR (Light Detection and Ranging — τεχνολογία που δημιουργεί έναν πολύ ακριβή τρισδιάστατο υψομετρικό χάρτη της επιφάνειας πυροβολώντας ένα λέιζερ από ένα αεροσκάφος στο έδαφος και μετρώντας τον χρόνο επιστροφής) είναι το πιο επαναστατικό εργαλείο. Το χαρακτηριστικό του είναι ότι το λέιζερ μπορεί να φτάσει στο έδαφος μέσω δέντρων. Έτσι τύμβοι, πεζούλια, δρόμοι και θεμέλια κτιρίων κάτω από το δάσος αποκαλύπτονται όταν η βλάστηση είναι αριθμητικά «ξεφλουδισμένη». Το AI επισημαίνει προσκρούσεις, κοιλώματα και λεία γεωμετρικά σχήματα σε αυτά τα υψομετρικά δεδομένα.
Γεωφυσική (συμπληρωματική). Μέθοδοι όπως το ραντάρ διείσδυσης εδάφους (GPR) και η μαγνητική τοπογραφία βλέπουν ακριβώς κάτω από την επιφάνεια. Το AI βοηθά στην αναζήτηση μοτίβων ανωμαλιών και σε αυτά τα δεδομένα.
Βήματα εντοπισμού τοποθεσίας με AI
- Προετοιμασία δεδομένων. Οι εικόνες προσαρμόζονται στο σύστημα συντεταγμένων (γεωαναφορά), η σκιά και η αντίθεση διορθώνονται. Στο LiDAR, η βλάστηση φιλτράρεται και παράγεται ένα "μοντέλο γυμνού εδάφους".
- Σάρωση ανωμαλιών. Η τεχνητή νοημοσύνη σηματοδοτεί ομαλές γεωμετρίες που μπορεί να είναι ανθρωπογενείς (κυκλικό ανάχωμα, ορθογώνια δομή, γραμμική τάφρο/δρόμος).
- Εξάλειψη. Τα περισσότερα σημάδια είναι φυσικά (γεωλογικά, αγροτικά, σύγχρονα). Ο ειδικός εξαλείφει εκείνα που είναι σαφώς φυσικά και σύγχρονα.
- Προτεραιότητα. Τα υπόλοιπα υποψήφια σημεία έχουν προτεραιότητα βάσει του περιβάλλοντος και της γνωστής κατανομής τοποθεσιών.
- Επιβεβαίωση γης. Τα σημεία προτεραιότητας ελέγχονται επιτόπου με επιφανειακή έρευνα και, εάν χρειάζεται, διάτρηση. Κανένα σημείο δεν δηλώνεται «κάτσε» χωρίς επιβεβαίωση.
Συμβουλή: Να βλέπετε πάντα τα σημάδια της τεχνητής νοημοσύνης ως «μια λίστα υποψηφίων με υψηλό ποσοστό ψευδώς θετικών». Ο στόχος είναι να περιορίσετε έξυπνα τα μέρη που πρέπει να επισκεφτείτε στο πεδίο. να μην ανακοινώσει την ανακάλυψη. Η μείωση 200 πόντων γης σε 30 σε μια σεζόν είναι μεγάλο κέρδος.
Ευαίσθητη τοποθεσία: κρίσιμο απόρρητο
Το πιο σοβαρό ζήτημα ηθικής και ασφάλειας στον εντοπισμό ιστότοπου είναι το απόρρητο τοποθεσίας. Οι ακριβείς συντεταγμένες μιας πρόσφατα εντοπισμένης, απροστάτευτης τοποθεσίας αποτελούν άμεσο στόχο για παράνομους ανασκαφείς και αναζητητές θησαυρών. Επομένως:
- Μην εισέρχεστε σε δημόσια οχήματα τεχνητής νοημοσύνης των οποίων οι ακριβείς συντεταγμένες δεν έχουν επιβεβαιωθεί.
- Θολώστε τη θέση των ευαίσθητων τοποθεσιών σε εκπομπές και παρουσιάσεις (δώστε γενική περιοχή, χωρίς GPS).
- Διατηρήστε δεδομένα στο ασφαλές σύστημα του οργανισμού και περιορίστε την πρόσβαση.
Προσοχή: Η επικόλληση των συντεταγμένων ενός ιστότοπου σε μια δημόσια υπηρεσία λέγοντας "Μόλις θα σχεδιάσω έναν χάρτη" μπορεί να αφήσει αυτόν τον ιστότοπο ανοιχτό σε λεηλασία. Τα δεδομένα τοποθεσίας είναι ένα περιουσιακό στοιχείο που πρέπει να προστατεύονται όσο και το ίδιο το εύρημα.
τρεις μίνι θήκες
Περίπτωση 1 — Η σάρωση περιόρισε την περιοχή. Ένα έργο έρευνας θα ερευνούσε μια περιοχή 500 km². Η ανάλυση LiDAR με τεχνητή νοημοσύνη σημάδεψε 120 πιθανούς τύμβους κάτω από το δάσος. Μετά την εξάλειψη των ειδικών, παραμένουν 38 θέσεις προτεραιότητας. 11 από αυτά βρέθηκαν να είναι πραγματικές αρχαιολογικές κατασκευές στο πεδίο. Το AI έχει συμπυκνώσει μήνες τυφλής αναζήτησης σε μια στοχευμένη σεζόν.
Περίπτωση 2 — Λάθος θετικό ήταν το μάθημα. Ενώ μια ομάδα ετοιμαζόταν ενθουσιασμένη να δηλώσει μια ομαλή κυκλική ουλή που σημαδεύτηκε από το AI ως «ανάχωμα», ο ειδικός γεωλόγος έδειξε ότι ήταν μια φυσική κατάθλιψη (δολίνο). Μια δήλωση που γίνεται χωρίς επιβεβαίωση γης θα μπορούσε να είναι απώλεια φήμης. Μάθημα: Η τεχνητή νοημοσύνη βλέπει τη γεωμετρία, όχι την ερμηνεία της προέλευσης.
Περίπτωση 3 — Αποτράπηκε η διαρροή τοποθεσίας. Ένας μαθητής θα ανέβαζε την εικόνα που περιέχει τις συντεταγμένες μιας νέας τοποθεσίας σε ένα δημόσιο εργαλείο. Ο σύμβουλος σταμάτησε. η περιοχή ήταν ακόμα απροστάτευτη. Η εικόνα υποβλήθηκε σε επεξεργασία με τις πληροφορίες συντεταγμένων αφαιρέθηκαν και μόνο στο ασφαλές σύστημα.
Τέσσερα πρότυπα με δυνατότητα αντιγραφής
1) Πλαίσιο ανωμαλίας σάρωσης:
Ο ρόλος σας: βοηθός ανάλυσης τηλεπισκόπησης. Θα σας δώσω μια εικόνα/δεδομένα ανύψωσης γυμνού εδάφους (που προέρχεται από το LiDAR). Σημειώστε ομαλές γεωμετρίες (κυκλικές, ορθογώνιες, γραμμικές) που ΜΠΟΡΕΙ να είναι τεχνητές. Για καθένα, σημειώστε τη θέση του, τη μορφή του και γιατί είναι αξιοσημείωτο. Για κάθε ζώδιο, υποδείξτε επίσης τη δυνατότητα μιας φυσικής/μοντέρνας εξήγησης. Μη δηλώνεις οριστικό «κάτσε».
2) Εσφαλμένη θετική εξάλειψη:
Παρακάτω είναι η λίστα με τα υποψήφια σημεία που έχει σημειώσει το AI. Για καθένα, αναφέρετε τις φυσικές και σύγχρονες εξηγήσεις (γεωλογικός σχηματισμός, αγροτικό ίχνος, δρόμος, θεμέλιο κτιρίου) που μπορώ να εξαλείψω ΠΡΙΝ τον έλεγχο εδάφους. Καταγράψτε τους υπόλοιπους «πραγματικά ασαφείς» υποψηφίους ξεχωριστά.
3) Σχέδιο Ελέγχου Γης:
Οι κορυφαίες υποψήφιες θέσεις μου είναι: [λίστα]. Για κάθε σημείο, εμφανίζεται μια λίστα ελέγχου που περιέχει τους δείκτες που πρέπει να αναζητώ κατά την επιβεβαίωση στο πεδίο (ευρήματα επιφάνειας, τοπογραφία, χρώμα εδάφους, πυκνότητα λίθων) και κανόνες ασφαλούς/ηθικής πεδίου (άδεια, εμπιστευτικότητα τοποθεσίας).
4) Θάμπωμα τοποθεσίας για μετάδοση:
Όταν προετοιμάζετε τις ακόλουθες πληροφορίες τοποθεσίας για μια δημοσίευση/παρουσίαση, προτείνετε πώς θα μπορούσα να τις περιγράψω ΧΩΡΙΣ να αποκαλύψω την ακριβή τοποθεσία: αναφέρετε ποιο επίπεδο γενίκευσης (επαρχία/περιοχή), ποιες πληροφορίες πρέπει να παραληφθούν. Στόχος: ισορροπία επιστημονικής διαφάνειας και προστασίας από αλλοίωση.
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμη προτροπή:
Υπάρχει αρχαιολογικός χώρος σε αυτή τη δορυφορική εικόνα; Δώστε τις συντεταγμένες του.
Η τεχνητή νοημοσύνη μπορεί να δηλώσει ένα φυσικό ίχνος «κάθισμα» και να ταιριάζει σε μια σίγουρη συντεταγμένη. Αυτό είναι επικίνδυνο τόσο από επιστημονική όσο και από άποψη ασφάλειας.
Ισχυρή προτροπή:
Ο ρόλος σας: βοηθός τηλεπισκόπησης. Σημειώστε τα ομαλά γεωμετρικά σημάδια που ΜΠΟΡΕΙ να είναι τεχνητά σε αυτήν την εικόνα. Για κάθε ίχνος: (α) το σχήμα του, (β) γιατί είναι αξιοσημείωτο, (γ) φυσική/σύγχρονη εναλλακτική εξήγηση. Αυτοί είναι υποψήφιοι που πρέπει να ελεγχθούν μόνο στο πεδίο. μην δηλώσεις «κάτσε». Δημιουργήστε ακριβείς συντεταγμένες, περιγράψτε τη σχετική θέση.
Διαφορά: το πρώτο κάνει την ανακάλυψη να δηλώνεται. Το τελευταίο παράγει έναν ασφαλή κατάλογο υποψηφίων που πρέπει να επαληθευτούν.
Τύποι εικόνων και εποχιακά εφέ
Στην τηλεπισκόπηση μια εικόνα δεν λειτουργεί "πάντα". Χρειάζεται η σωστή συνθήκη για να δεις τη σωστή διαδρομή. Τα σημάδια των καλλιεργειών εμφανίζονται καλύτερα σε περιόδους ξηρασίας, όταν η καλλιέργεια βρίσκεται υπό υδατική πίεση: το έδαφος πάνω από έναν θαμμένο τοίχο συγκρατεί λιγότερο νερό, έτσι η καλλιέργεια εκεί κιτρινίζει νωρίς και εμφανίζεται ως γραμμή από πάνω. Σε μια υγρή ανοιξιάτικη εικόνα, το ίδιο ίχνος μπορεί να μην εμφανίζεται καθόλου. Τα σημάδια του εδάφους εμφανίζονται όταν το χώμα διαφορετικού χρώματος βγαίνει στην επιφάνεια μετά το όργωμα του χωραφιού. Τα σημάδια σκιάς, από την άλλη πλευρά, αποκαλύπτουν ελαφριές προσκρούσεις και λακκούβες με μεγάλες σκιές σε χαμηλό ήλιο, το πρωί ή το βράδυ. Ως εκ τούτου, είναι απαραίτητο να αξιολογήσουμε μια περιοχή όχι με μία εικόνα, αλλά με πολλές εικόνες σε διαφορετικές εποχές και εποχές. Η τεχνητή νοημοσύνη επιταχύνει αυτήν την πολλαπλή σύγκριση.
Το πλεονέκτημα του LiDAR είναι ότι ξεπερνά σε μεγάλο βαθμό αυτή την εξάρτηση από τις συνθήκες: δεδομένου ότι μετρά άμεσα την τοπογραφία της επιφάνειας, εξαρτάται λιγότερο από την εποχή της βλάστησης και μπορεί να δει το δάσος. Ωστόσο, κατά την παραγωγή ενός "μοντέλου γυμνού εδάφους" στο LiDAR, εάν το φυτικό φίλτρο είναι πολύ επιθετικό, μπορεί να σβήσει τα πραγματικά χτυπήματα και εάν είναι πολύ μαλακό, μπορεί να μπερδέψει τα δέντρα ως δομές. Αυτές οι αποφάσεις φίλτρων απαιτούν επίβλεψη ειδικού.
Συμβουλή: Κατά την αξιολόγηση μιας περιοχής, ρωτήστε "σε ποια εποχή, ποια ώρα και με ποια μέθοδο;" Να κάνετε πάντα την ερώτηση. Εάν δεν υπάρχει ίχνος σε μία εικόνα, δεν σημαίνει ότι δεν υπάρχει τοποθεσία. Ίσως το βλέπεις σε λάθος κατάσταση.
Πίνακας σύγκρισης μεθόδων
Μέθοδος
τι βλέπει
Συνεισφορά του AI
σύνορο
Δορυφορική/αεροφωτογραφία
Ίχνη φυτών/εδάφους
Σάρωση ευρείας περιοχής
εποχή, ανάλυση
NDVI
Διαφορά ευρωστίας των φυτών
Επισήμανση ουλής
Μπερδεύει τις φυσικές διαφορές
LiDAR
τοπογραφία επιφάνειας
γεωμετρία υπόγειου δάσους
Σφάλματα φίλτρου φυτών
Γεωφυσική (GPR/μαγνητικό)
υποεπιφανειακή δομή
Μοτίβο ανωμαλίας
τοπικός, αργός
Συνήθη λάθη
- Παρεξήγηση μιας ανωμαλίας με μια ανακάλυψη. Το ζώδιο είναι υποψήφιος? Χωρίς επιβεβαίωση γης δεν είναι τοποθεσία.
- Μη εξαλείφοντας φυσικά/σύγχρονα ίχνη. Δολίνες, αγροτικές ουλές και σωλήνες εμφανίζονται συχνά ως «κατασκευές».
- Δίνοντας την ακριβή συντεταγμένη στο ανοιχτό όχημα. Κίνδυνος λεηλασίας. Η τοποθεσία είναι ένα περιουσιακό στοιχείο που πρέπει να προστατεύεται.
- Βασιζόμενος σε μια ενιαία εικόνα. Η ερμηνεία είναι ελλιπής χωρίς διαφορετικές εποχές, διαφορετικές μεθόδους και έδαφος.
- Ξεχνώντας το ψευδώς θετικό ποσοστό. Οι περισσότερες πινακίδες εμφανίζονται κενές. Αυτό είναι φυσιολογικό, ο σκοπός στενεύει.
Συνοπτικά
Στην τηλεπισκόπηση, η τεχνητή νοημοσύνη εξοικονομεί τεράστιο χρόνο στη σάρωση μεγάλων περιοχών και τη σήμανση πιθανών τοποθεσιών. Αλλά κάθε σημάδι είναι μια υπόθεση που πρέπει να επιβεβαιωθεί στο πεδίο. φυσικά και σύγχρονα ίχνη εξαλείφονται προσεκτικά. και το πιο σημαντικό, οι ευαίσθητες τοποθεσίες προστατεύονται από λεηλασίες. Το AI λέει "κοίτα εδώ"? Η γη και ο εμπειρογνώμονας αποφασίζουν αν «αυτός ο τόπος προστατεύεται».
Εργασία εφαρμογής
Επιλέξτε μια LiDAR ή δορυφορική εικόνα ανοιχτής πρόσβασης (από τη δική σας περιοχή ή από ένα δείγμα δεδομένων). Επισημάνετε τις πιθανές γεωμετρίες της τεχνητής νοημοσύνης με το πρότυπο "Σάρωση ανωμαλίας" και, στη συνέχεια, εξαλείψτε τις φυσικές/μοντέρνες εξηγήσεις με το πρότυπο "Εσφαλμένη θετική εξάλειψη". Συντάξτε ένα σχέδιο ελέγχου γης για τους υπόλοιπους υποψηφίους και συμπεριλάβετε ένα σημείωμα εμπιστευτικότητας τοποθεσίας.
λίστα ελέγχου
- [ ] Θεώρησα τα σήματα AI ως "υποψήφιες", όχι ανακαλύψεις.
- [ ] Προσπάθησα να εξαλείψω φυσικά και σύγχρονα ίχνη.
- [ ] Έχω προγραμματίσει επιβεβαίωση γης για υποψηφίους προτεραιότητας.
- [ ] Άφησα τις ευαίσθητες τοποθεσίες έξω από το ανοιχτό όχημα και τις θάμπωσα στην εκπομπή.
- [ ] Έλαβα υπόψη ότι το ποσοστό ψευδώς θετικών μπορεί να είναι υψηλό.