Kasu:
- Võimalus valida vastavalt küsimusele satelliidi (lai ala) ja andurite (kohalikud) andmed ning analüüsida indekseid nagu NDVI pilvmaski abil
- Võimalus eristada triivi ja talitlushäireid tegelikust signaalist, edastades IoT anduri andmed läbi kalibreerimise ja kvaliteedikontrolli
- Võimalus rajada seiretulemus pigem trendile kui ühele kuupäevale ning koostada tõendi või sõltumatute andmetega kontrolliplaan
Keskkonna haldamiseks on vaja seda enne näha. Seda, kui väikeseks on mets muutunud, kui reostunud on jõgi või kui palju metaani rajatis lekib, on vaja teada mitte oletades, vaid andmete järgi. Keskkonnaseire on regulaarne ja korratav keskkonnaseisundi mõõtmine. Selles üksuses saate teada kahest suurest andmeallikast – kosmosest vaatavatest satelliitidest ja väljal olevatest sensoritest – ning tehisintellekti rollist nende tohutute andmete mõtestamises.
Kõigepealt mõisted. Kaugseire on teabe kogumine, mõõtes kaugelt (satelliidilt või lennukilt) peegelduvat valgust ilma objekti puudutamata. IoT andur (Internet of Things) on põllule asetatud väike seade, mis saadab mõõdetud väärtuse (temperatuur, õhukvaliteet, veetase) automaatselt üle interneti. Üheskoos annavad need keskkonnast nii laia (satelliit-) kui ka lokaalse (sensor) pildi.
Kuidas lugeda satelliidiandmeid?
Satelliidid ei tee ainult pilte; mõõdab valguse erinevaid lainepikkusi ("ribasid"). Nende ribade matemaatiline kombinatsioon näitab seda, mis on palja silmaga nähtamatu. Tuntuim näide on NDVI (Normalized Difference Vegetation Index): see mõõdab taimestiku tihedust numbriga 0–1, lähtudes põhimõttest, et terved taimed peegeldavad infrapunavalgust väga palju. NDVI vähenemine võib tähendada metsade raadamist, põuda või kahjustusi.
Levinumad tasuta ja avatud satelliidiallikad on Sentinel (Euroopa Copernicuse programm) ja Landsat (USA) satelliidid. Nendele pääseb juurde selliste platvormide kaudu nagu Google Earth Engine või Python (koos selliste teekide abil nagu rasterio, xarray).
Näpunäide. Satelliidiandmete suurim vaenlane on pilv. Kas NDVI tilk on tõeline metsakaotus või oli sel päeval selle kohal pilv? Enne analüüsimist kasutage alati pilvemaski ja võrrelge mitut kuupäeva.
IoT anduri andmed ja kalibreerimine
Andurid on odavad ja levinud, kuid mitte täiuslikud. Odav õhukvaliteedi andur triivib aja jooksul, mõjutab niiskust või läheb rikki. Seetõttu on anduri andmed töötlemata kujul ebausaldusväärsed; kalibreerimine (parandus, võrreldes tuntud võrdlusseadmega) ja kvaliteedikontroll on olulised.
Siin AI; See on väga võimas koodi kirjutamisel suurte kujutiste ja aegridade andmete töötlemiseks, anomaaliate (ootamatu kõrvalekalde) skannimiseks, klassifitseerimismudeli loomiseks ja tulemuste kokkuvõtmiseks. Kuid mõõtmise füüsiline reaalsus taandub kalibreerimisotsusele ja küsimusele "kas see signaal on tõeline või on see müra?" Tõlgendus kuulub eksperdile.
Samm-sammult: jälgimisanalüüs
1. Määratlege küsimus. "Kuidas muutus taimestik sellel 10 000 hektari suurusel alal aastatel 2020–2024?" Selge, ruumiline ja ajaline küsimus nagu:
2. Valige andmeallikas. Satelliit (lai ala) või andur (lokaalne, pidev)? Kas eraldusvõime ja sagedus vastavad küsimusele?
3. Eeltöötlus. Pilvemask, kalibreerige, märkige puuduvad andmed. Kui see samm vahele jäetakse, on tulemus eksitav.
4. Arvutage indeks/mõõdik. NDVI, keskmine temperatuur, saasteainete kontsentratsioon.
5. Leidke muutus ja anomaalia. Trendianalüüs, läve ületamine, äkiline hüpe.
6. Kinnitage väljaga. Võimalusel kinnitage tõega; Esitage satelliidisignaal koos välikülastuse või sõltumatute andmetega.
kolm minikarpi
Juhtum 1 – pilve langemine. Üks keskkonnaalane valitsusväline organisatsioon hakkas häirekella lööma "äkilise metsaraadamise" pärast, kui nägi, et NDVI ühes piirkonnas on ühe kuuga langenud 40%. Kui analüütik rakendas pilvemaski ja vaatas naaberkuupäevi, nägi ta, et suurem osa selle päeva pildist oli hägune ja järgmisel pilvitu pildil normaliseerus NDVI. Valehäire välditud. Kaotatud aeg: 20 minutit, saavutatud maine: hindamatu.
Juhtum 2 – kalibreerimata andur. Üks omavalitsus valmistas ette "liiga saastunud õhu" aruannet, mis sisaldas andmeid odavate PM2,5 (osakesed, mis on väiksemad kui 2,5 mikronit – peen sissehingatav tolm) anduritelt. Kui ekspert võrdles andureid võrdlusjaamaga, avastas ta, et need hindasid kõrge õhuniiskuse korral väärtust kuni kaks korda üle. Niiskuse korrigeerimise (kalibreerimise) rakendamisel ilmusid tegelikud väärtused; Paanika ära hoitud.
Juhtum 3 – koodide automatiseerimine. Üks uurimisrühm kavatses veeta nädalaid käsitsi tööd NDVI suundumuste eraldamiseks 200 satelliidipildist. Tehisintellekt kirjutas Google Earth Engine'i ja Pythoni koodiga automatiseeritud töövoo (pilvemask + kuu NDVI keskmine + trendigraafik). 200 pildi analüüsimiseks kulus paar minutit; Meeskond pühendas oma aega tulemuse tõlgendamisele. Nad kontrollisid igatahes koodi iga sammu.
Nõrk viip / Tugev viip
Nõrk viip:
Otsige satelliidiandmetest metsade hävitamist.
Miks see on nõrk: puudub domeen, kuupäevavahemik, andmeallikas, eraldusvõime ja pilvetöötlus. AI pakub üldist teksti, mitte käivitatavat analüüsi.
Võimas viip:
Sinu roll: kaugseire analüütik. Kirjutage Pythoni (Earth Engine) kood, mis arvutab Sentinel-2 andmetega [AREA piiri] igakuise NDVI trendi aastatel 2020–2024. Toimingud: (1) rakendage pilvemaski, (2) igakuist NDVI-d keskmiselt, (3) joonistage trendigraafik, (4) märkige kuud, mille langus on üle 20%. Olgu kood käivitatav; Kommenteerige iga sammu. Pange tähele ka andmete piire (eraldusvõime, pilv).
Neli kopeeritavat malli
1) Satelliidiindeksi analüüs (koos koodiga):
Sinu roll: kaugseire analüütik. Kirjutage käivitatav Pythoni kood, mis arvutab [NDVI/NDWI/muu indeks] [AREA] jaoks [DATE vahemikus] [Sentinel-2/Landsat] andmetega. Lisage kindlasti pilvemask. Märkige trend ja kõrvalekalded. Täpsustage kommentaarides andmete eraldusvõime ja pilvepiirangud.
2) Anduri aegridade kvaliteedikontroll:
Otsige Pythoni abil kvaliteediprobleeme järgmistest andurite aegridadest: puuduvad andmed, takerdunud väärtus, äkiline hüpe, triiv, äärmuslik. Märkige iga probleem ajatempliga. Ärge muutke andmeid, vaid teatage. Võimalusel lisage lihtne kalibreerimissoovitus. Andmed: [siin]
3) Põhitõe kontrollimise skeem:
Pakkuge välja plaan, kuidas saaksin kontrollida järgmist satelliidipõhist leidu (nt NDVI langust) valdkonnas: millised punktid, milline mõõtmine, milline sõltumatu andmeallikas. Loendage ka olukorrad, kus leid võib olla vale (pilv, aastaaeg, vari). Leidmine: [siit]
4) Anomaaliate kokkuvõte:
Tehke keskkonnajuhi jaoks lihtsas keeles kokkuvõte allolevatest seireandmetest leitud anomaaliatest. Iga anomaalia kohta: kus, millal, kui suur kõrvalekalle, võimalikud põhjused ja märge "vajab kontrollida". Kindlasti, miks see SOBIV; esitage see võimalusena. Andmed: [siin]
Levinud vead
- Pilvemaski ei rakendata. Pilv on kõige levinum valesignaal.
- Anduri usaldamine seda kalibreerimata. Odavad andurid libisevad ja neid mõjutab niiskus.
- Vaadake lihtsalt ajalugu. Muudatuse taotlemiseks on vaja mitut kuupäeva ja suundumust.
- Maatõest mööda hiilimine. Võimalusel tuleks satelliidisignaali kinnitada väli- või sõltumatute andmetega.
- Armunud tehisintellekti "täpse põhjuse" väitele. Jälgimisandmete korrelatsioonid; Põhjuse kinnitamine on teine asi.
Ettevaatust. Kõrge eraldusvõimega satelliidi- ja droonipildid võivad sisaldada eraomandit, inimesi või tundlikke rajatisi. Jälgimisandmete jagamisel järgige privaatsus- ja juriidilisi piiranguid (eriti isikuandmeid ja turvalisust).
Kokkuvõttes
Keskkonnaseire ühendab satelliidi (lai) ja sensori (kohalikud) andmed. AI; See on võimas kiirendi koodi kirjutamiseks, mis töötleb tohutuid pildi- ja aegridade andmeid, anomaaliate skaneerimist ja kokkuvõtet. Kuid pilvemask, andurite kalibreerimine, mitme kuupäeva võrdlus ja põhitõe kontrollimine kuuluvad eksperdile. Usaldage puhastatud ja kinnitatud signaali, mitte töötlemata signaali.
Rakenduse ülesanne
Valige väli ja kuupäevavahemik (reaalne või hüpoteetiline). 1. Printige koos malliga AI-sse NDVI analüüsi töövoo kood ja veenduge, et pilvmaski samm on olemas. Seejärel läbige anduri aegrida (või näidis) teise malli abil kvaliteedikontrolli. Lõpuks koostage malliga 3 plaan, kuidas kinnitate väljalt leitud muudatuse.
kontrollnimekiri
- [ ] Määratlesin analüüsi selge ruumilise ja ajalise küsimusega.
- [ ] Rakendasin satelliidiandmetele pilvemaski.
- [ ] Andsin anduri andmed läbi kalibreerimise ja kvaliteedikontrolli.
- [ ] Lähtusin muutuse väitel trendist, mitte ühest kuupäevast.
- [ ] Tegin plaani leiu kontrollimiseks põhitõe või sõltumatute andmetega.
- [ ] Olen järginud konfidentsiaalsust ja seaduslikke piiranguid.