Kaugseire ja kohatuvastus: satelliit, aerofotograafia ja LiDAR

Kasu:

• Võimalus skannida tehisintellektiga anomaaliaid satelliidi-, aerofotograafia- ja LiDAR-andmetes ning hinnata iga märki maastiku kinnitust nõudva kandidaadina
• Taime-, pinnase- ja varjujälgede hooajalisest ja tinglikust sõltuvusest arusaamine ning looduslike/kaasaegsete valepositiivsete tulemuste kõrvaldamine.
• Võimalus rakendada, miks tuleks tundlikke saitide asukohti rüüstamise eest kaitsta ja leviedastuses hägustada

Arheoloogia üks põnevamaid arenguid on võime näha jälgi maa all ja pinnal ilma maasse kaevamata. Kaugseire (meetod, mille abil uuritakse ala satelliidi-, lennuki- või droonipiltidega ilma seda füüsiliselt puudutamata) on võimsaim vahend suurte alade skaneerimiseks ja võimalike leiukohtade (arheoloogilisi jäänuseid sisaldavad paigad) tuvastamiseks. Selles üksuses saame teada, kuidas tehisintellekt märgib satelliidipiltidel, aerofotodel ja LiDAR-i andmetel kõrvalekaldeid (ümbrusest erinevad jäljed, mis võivad olla inimese tekitatud), kuid miks tuleb iga märk väljal kinnitada.

Põhiprintsiip: AI on skaneerimise ja osutamise assistent, mis ütleb laial alal "vaata siia"; Otsuse "See on tõesti koht" teevad maakontroll ja ekspert. Kaugseires on iga AI-ga tähistatud punkt hüpotees, mitte avastus.

Kaugseire liigid

Satelliit- ja aerofotograafia. Maetud struktuurid põhjustavad mulla ja taimestiku erinevat kasvu nende kohal. Seinal on saak nõrgem, kraavil põõsasem; Neid nimetatakse kärpimismärkideks. NDVI (indeks, mis mõõdab taimestiku tervist; see kvantifitseerib taimede elujõudu infrapunavalguse abil) toob need erinevused esile. AI skannib neid peeneid erinevusi suurtes piltides kiiremini kui inimene.

LiDAR. LiDAR (Light Detection and Ranging — tehnoloogia, mis loob pinnast väga täpse 3D kõrguskaardi, tulistades laseriga lennukilt maapinnale ja mõõtes tagasipöördumisaega) on kõige revolutsioonilisem tööriist. Selle omadus on see, et laser võib läbi puude maapinnale jõuda; Nii paljastuvad metsaalused künkad, terrassid, teed ja hoonete vundamendid, kui taimestikku arvuliselt "koorida". AI märgib nendes kõrgusandmetes konarusi, lohke ja sujuvaid geomeetrilisi kujundeid.

Geofüüsika (täiendav). Sellised meetodid nagu maaradar (GPR) ja magnetmõõdistus näevad pinna all; AI aitab otsida ka nendest andmetest anomaaliamustreid.

Saidi tuvastamise sammud tehisintellektiga

1. Andmete ettevalmistamine. Pildid sobitatakse koordinaatsüsteemi (georeferents), korrigeeritakse varju ja kontrasti. LiDAR-is filtreeritakse taimestik välja ja toodetakse "palja pinnase mudel".
2. Anomaaliate skaneerimine. AI tähistab siledaid geomeetriaid, mis võivad olla inimese loodud (ringikujuline küngas, ristkülikukujuline struktuur, lineaarne kraav/tee).
3. Elimineerimine. Enamik märke on looduslikud (geoloogilised, põllumajanduslikud, kaasaegsed). Ekspert kõrvaldab need, mis on selgelt loomulikud ja kaasaegsed.
4. Prioriteetide seadmine. Ülejäänud kandidaatpunktid seatakse prioriteediks konteksti ja teadaoleva saidi jaotuse järgi.
5. Maa kinnitus. Prioriteetsuspunkte kontrollitakse kohapeal pinnamõõtmise ja vajadusel puurimisega. Ühtegi punkti ei kuulutata "istumiseks" ilma kinnituseta.

Näpunäide. Näete tehisintellekti märke alati kui "kõrge valepositiivse määraga kandidaatide loendit". Eesmärk on targalt kitsendada põllul külastatavaid kohti; avastusest mitte teatada. 200 maapunkti vähendamine 30-le hooaja jooksul on suur kasu.

Tundlik asukoht: kriitiline privaatsus

Kõige tõsisem eetiline ja turvaprobleem saidi tuvastamisel on asukoha konfidentsiaalsus. Äsja tuvastatud, kaitsmata saidi täpsed koordinaadid on ebaseaduslike kaevajate ja aareotsijate otsene sihtmärk. Seetõttu:

• Ärge sisenege avalikesse tehisintellekti sõidukitesse, mille täpsed koordinaadid pole kinnitatud.
• Hägustage tundlike saitide asukoht saadetes ja esitlustes (andke üldpind, ilma GPS-ita).
• Hoidke andmeid organisatsiooni turvalises süsteemis ja piirake juurdepääsu.

Tähelepanu. Kui kleepite saidi koordinaadid avalikku teenust, öeldes: "Ma lasen lihtsalt joonistada kaardi", võib see sait rüüstata. Asukohaandmed on vara, mida tuleb kaitsta sama palju kui leidu ennast.

kolm minikarpi

Juhtum 1 – skaneerimine kitsendas ala. Uuringuprojektiga uuritaks 500 km² suurust ala. Tehisintellektiga töötav LiDAR analüüs märkis 120 võimalikku metsaalust küngast. Pärast ekspertide kõrvaldamist jääb 38 prioriteetset kohta; 11 neist leiti olevat tõelised arheoloogilised ehitised. AI on koondanud kuudepikkuse pimeda otsingu sihipäraseks hooajaks.

Juhtum 2 – valepositiivne oli õppetund. Samal ajal kui meeskond valmistus õhinal tehisintellektiga tähistatud sileda ümmarguse armi kuulutama "künkaks", näitas ekspertgeoloog, et tegemist on loodusliku lohuga (doliin). Ilma maa kinnituseta tehtud avaldus võib olla maine kaotus. Õppetund: AI näeb geomeetriat, mitte päritolu tõlgendamist.

Juhtum 3 – asukoha leke on välistatud. Õpilane laadib avalikku tööriista üles pildi, mis sisaldab äsja leitud saidi koordinaate. Nõustaja peatus; ala oli endiselt kaitseta. Pilti töödeldi koordinaatide teabe eemaldamisega ja ainult turvalises süsteemis.

Neli kopeeritavat malli

1) Anomaaliate skaneerimise raam:

Sinu roll: kaugseire analüüsi assistent. Ma annan teile pinnase (LiDAR-i tuletatud) kõrguspildi/andmed. Märkige siledad geomeetriad (ringikujulised, ristkülikukujulised, lineaarsed), mis VÕIVAD olla tehislikud; Kirjutage igaühe jaoks üles selle asukoht, formaat ja miks see tähelepanuväärne on. Iga märgi puhul märkige ka loomuliku/kaasaegse seletuse võimalus. Ärge kuulutage lõplikku "istumist".

2) Valepositiivne eliminatsioon:

Allpool on loetelu kandidaatpunktidest, mille AI on märkinud. Loetlege igaühe kohta looduslikud ja tänapäevased seletused (geoloogiline moodustis, põllumajandusjälg, tee, hoone vundament), mida saan ENNE maastikukontrolli kõrvaldada. Loetlege ülejäänud "tõesti ebamäärased" kandidaadid eraldi.

3) Maakorraldusplaan:

Minu parimad kandidaatide kohad on: [nimekiri]. Iga punkti kohta kuvatakse kontrollnimekiri, mis sisaldab indikaatoreid, mida peaksin põllul kinnitamisel otsima (pinnaleiud, topograafia, pinnase värvus, kivide tihedus) ja ohutu/eetilisi põllureegleid (luba, asukoha konfidentsiaalsus).

4) Asukoha hägustamine edastuse jaoks:

Koostades väljaande/esitluse jaoks järgmist saidiinfot, soovitage, kuidas ma võiksin seda kirjeldada ILMA täpset asukohta avaldamata: loetlege, millisel üldistustasemel (provints/regioon), milline teave tuleks välja jätta. Eesmärk: tasakaal teadusliku läbipaistvuse ja riknemise eest kaitsmise vahel.

Nõrk viip / Tugev viip

Nõrk viip:

Kas sellel satelliidipildil on mõni arheoloogiline ala? Andke selle koordinaadid.

AI võib kuulutada loomuliku jälje "istuks" ja sobitada kindla koordinaadiga; See on ohtlik nii teaduslikust kui ka julgeoleku seisukohast.

Võimas viip:

Sinu roll: kaugseire assistent. Märkige sellel pildil siledad geomeetrilised märgid, mis VÕIVAD olla inimese tekitatud. Iga jälje puhul: (a) selle kuju, (b) miks see on tähelepanuväärne, (c) looduslik/kaasaegne alternatiivseletus. Need on kandidaadid, mida tuleb kontrollida ainult VÄLJAL; ei kuuluta "istu". Genereeri täpsed koordinaadid, kirjelda suhtelist asukohta.

Erinevus: esimene teeb avastuse deklareerituks; viimane koostab kontrollitavate kandidaatide turvalise nimekirja.

Pilditüübid ja hooajalised efektid

Kaugseires pilt "alati" ei tööta; Õige raja nägemiseks on vaja õiget seisundit. Viljajäljed ilmuvad kõige paremini kuivadel perioodidel, kui saak on veesurve all: mattunud müüri kohal olev pinnas hoiab vähem vett, mistõttu sealne kultuur muutub varakult kollaseks ja paistab ülevalt joonena. Niiskel kevadpildil ei pruugi sama jälg üldse ilmuda. Mullajäljed tekivad siis, kui peale põllu kündmist tuleb pinnale erinevat värvi muld. Varjujäljed seevastu paljastavad madala päikese käes hommikuti või õhtuti heledaid konarusi ja auke koos pikkade varjudega. Seetõttu on vaja piirkonda hinnata mitte ühe pildiga, vaid paljude piltidega erinevatel aastaaegadel ja aegadel; AI kiirendab seda mitmekordset võrdlust.

LiDAR-i eeliseks on see, et see ületab suures osas selle seisundi sõltuvuse: kuna see mõõdab otseselt pinna topograafiat, sõltub see vähem taimestiku hooajast ja näeb metsa alusmetsa. Kui aga LiDAR-is "palja pinnase mudelit" toota, võib taimefilter liiga agressiivselt kustutada tõelised konarused ja kui see on liiga pehme, võib see puud ekslikult struktuurideks pidada; Need filtriotsused nõuavad ekspertide järelevalvet.

Näpunäide: ala hindamisel küsige "mil aastaajal, mis ajal ja millise meetodiga?" Esitage alati küsimus. Kui ühel pildil pole jälge, ei tähenda see, et saiti pole; Võib-olla vaatate seda vales seisukorras.

Meetodite võrdlustabel

meetod

mis näeb

AI panus

piir

Satelliit/aerofotograafia

Taime/mulla jäljed

Laia ala skaneerimine

hooaeg, resolutsioon

NDVI

Taimede elujõu erinevus

Armide esiletõstmine

Ajab segi loomulikud erinevused

LiDAR

pinna topograafia

metsaaluse geomeetria

Taimefiltri vead

Geofüüsika (GPR/magnetiline)

maa-alune struktuur

Anomaalia muster

kohalik, aeglane

Levinud vead

• Anomaalia eksitamine avastusega. Märk on kandidaat; Ilma maa kinnituseta pole see sait.
• Ei kõrvalda looduslikke/kaasaegseid jälgi. Doliinid, põllumajanduslikud armid ja torud ilmuvad sageli "struktuuridena".
• Avatud sõiduki täpse koordinaadi andmine. Rüüstamise oht; Asukoht on vara, mida tuleb kaitsta.
• Tuginedes ühele pildile. Tõlgendamine on puudulik ilma erinevate aastaaegade, erinevate meetodite ja maastikuta.
• Unustades valepositiivse määra. Enamik märke tuleb tühjalt; See on normaalne, eesmärk kitseneb.

Kokkuvõttes

Kaugseire puhul säästab tehisintellekt tohutult aega suurte alade skannimisel ja võimalike kohtade märgistamisel. Kuid iga märk on hüpotees, mis tuleb välitingimustes kinnitada; looduslikud ja kaasaegsed jäljed eemaldatakse hoolikalt; ja mis kõige tähtsam, tundlikud kohad on rüüstamise eest kaitstud. AI ütleb "vaata siia"; Maa ja ekspert otsustavad, kas "see koht on kaitstud".

Rakenduse ülesanne

Valige vaba juurdepääsuga LiDAR- või satelliidipilt (oma piirkonnast või näidisandmestikust). Märkige tehisintellekti võimalikud geomeetriad malliga „Anomaaliate skaneerimine”, seejärel eemaldage loomulikud/kaasaegsed seletused malliga „Valepositiivne kõrvaldamine”. Koostage ülejäänud kandidaatide jaoks maakorraldusplaan ja lisage asukoha konfidentsiaalsusmärkus.

kontrollnimekiri

• [ ] Pidasin tehisintellekti signaale "kandidaatideks", mitte avastusteks.
• [ ] Püüdsin likvideerida looduslikke ja tänapäevaseid jälgi.
• [ ] Eeliskandidaatidele olen planeerinud maa kinnitamise.
• [ ] Jätsin tundlikud kohad avatud sõidukist välja ja hägustasin need saates.
• [ ] Võtsin arvesse, et valepositiivsuse määr võib olla kõrge.