Kasu:
- Võimalus tõlgendada GIS-i kihte, NDVI-d ja kaugseire riba/eraldusvõime kontseptsioone
- Indeksite tõlgendamine, muudatuste analüüs ja kaardi narratiivi koostamine tehisintellektiga
- Võimalus kontrollida tehisintellekti satelliidi/kaardi tõlgendust põhitõe ja metaandmetega
Olete keskkonnainsener, kes töötab märgalade kaitseprojekti kallal. Volikogu soovib, et uuriksite kaebusi, et järveäärne roostik on viimase viie aasta jooksul kahanenud. Enne põllule minekut tuleb oma laua taga teha eelhinnang: sul on kahe erineva aasta satelliidipildid, GIS (geograafilise infosüsteemi) projekt ja keelemudel. Saate lasta LLM-il tõlgendada piltide NDVI kokkuvõtet ja kirjutada muudatuste narratiivi mustand. Satelliidi piksel kujutab aga 10-meetrist ruutu ja aru saab vaid sellest, kas sellel ruudul on maapinnalise tõega pilvevari, kuivav pilliroog või hooajaline veetase. Selles üksuses käsitleme kaugseire ja GIS-i mõisteid, indekseerimist/muutuste tõlgendamist tehisintellektiga ja mis kõige tähtsam, selle tõlgenduse piire.
GIS-kihi loogika ja kaugseire põhialused
GIS korraldab geograafilised andmed kattuvateks kihtideks: iga kiht kannab teemat (maakasutus, veekogud, kõrgus, teed) ja on joondatud ühisesse koordinaatsüsteemi. Analüüs algab õigete kihtide kattumisest õiges projektsioonis; vale koordinaatsüsteem nihutab süstemaatiliselt alasid ja kaugusi.
Kaugseire kujutise tõlgendamisel peate eristama kolme tüüpi eraldusvõimet:
Eraldusvõime tüüp
Mida see ütleb?
näide
piirang
ruumiline
Piksli suurus maapinnal
10 m, 30 m
Väikesed objektid jäävad alampiksliteks
spektraalne
Mitu ja mis lainepikkuse riba?
Punane, NIR, SWIR
Vähem sagedusala = väiksem diskrimineerimisvõime
ajaline
Kui tihti sama kohta vaadatakse
5 päeva, 16 päeva
Andmekadu pilvistel päevadel
Radiomeetriline
Heleduse tundlikkus (biti sügavus)
8-bitine, 12-bitine
Madal sügavus = halb diskrimineerimine
NDVI: valem ja tõlgendus
Kõige levinum taimestiku elujõulisust mõõtev indeks on NDVI (Normalized Difference Vegetation Index). Terve taim peegeldab tugevalt lähiinfrapuna (NIR) ja neelab punast (PUNANE):
NDVI = (NIR − PUNANE) / (NIR + PUNANE) Väärtuste vahemik: −1 ... +1 < 0 : vesi, lumi, pilv 0,0 - 0,2 : lage pinnas, kivi, hoonestatud ala 0,2 - 0,5 : hõre/rohttaimestik, pingeline kate 0,5 - 0,9 : tihe, terve roheline kate
Pikslite väikese näidisploki # NDVI impordib numpy as npnir = np.array([[0.42, 0.38], [0.11, 0.45]]) # lähi-infrapuna peegeldav = np.array([[0.06, 0.09], [0.06, 0.09], [0.06, 0.09], [0.06, 0.09], [0.06, 0.09], [0.06, 0.09], [0.06, 0.09], [0.10]) 0 # red reflektants, ) 0. (nir + punane)print(np.round(ndvi, 2))# [[0,75 0,62]# [0,05 0,80]]# alumine vasak piksel (0,05): mitte taim – võib olla paljas maa või vesi/vari
Näpunäide: NDVI ei ole "tervise" absoluutne näitaja, vaid seisundist sõltuv näitaja. Kui võrrelda kahte sama piirkonna dateeritud NDVI-d, veenduge, et pildid on tehtud sarnastel aastaaegadel, sarnastel päikesenurkadel ja pilvevabades tingimustes. Hilissuve välimuse võrdlemine kevadega toob kaasa ebareaalse „taimede kadumise”.
Muudatuste analüüs (muudatuste tuvastamine)
Lihtne viis kahe kuupäeva erinevuse leidmiseks on võtta NDVI erinevus, kuid sellel erinevusel on tähendus ainult siis, kui pilte saab võrrelda.
ΔNDVI = NDVI_2025 − NDVI_2020 ΔNDVI << 0 : võimalik katte kadu (kuivatamine, lõikamine, ehitamine) ΔNDVI ≈ 0 : muutusi ei toimu ΔNDVI >> 0 : katte suurendamine võimalik (haljastamine, taastamine) TÄHELEPANU: erinevus võib kajastuda tegelikud/looduslikud/hooajalised muutused/ erinevusi. Erinevus = tegelik muutus + müra.
Ettevaatust. Pilv, pilve vari ja hooajalisus on muutuste analüüsi suurimad negatiivsed mõjud. Pilvevarju all olev ala annab madala NDVI ja näeb välja nagu "taimestiku kadu". Kui LLM teostab kujutise tõlgendamist, võib mudel neid artefakte ekslikult pidada tegelikuks sündmuseks. Kontrollige kindlasti pildi metaandmeid (kuupäev, pilveprotsent, päikesenurk).
Indeksi tõlgendamine ja kaardi narratiiv AI-ga
LLM on kasulik numbriliste indeksi kokkuvõtete tõlkimisel lihtsaks narratiiviks ja aruannete mustandite koostamiseks. Andke sellele töötlemata NDVI statistika ja metaandmed ning paluge tal luua kommentaar, mida saate kontrollida.
NÕRK VIIPA: "Kas märgala on sellel satelliidipildil väiksemaks muutunud?" TUGEV VIIP: "Annan kaks dateeritud NDVI statistikat (sama piirkond, sama andur): 2020-07-15 keskmine NDVI=0,61 pilv=3% päikesenurk=58°2025-07-12 keskmine NDVI=0,42 pilv=22% päikesenurk=55 °Huvitav piirkond: sängikoht1) ~. Arvutage ΔNDVI ja loetlege võimalikud tõlgendused.2) Loetlege, millistel põhjustel (pilv, vari, veetase, aastaaeg, kalibreerimine) see langus võib olla tingitud (pilv, vari, veetase, aastaaeg, kalibreerimine) MUUD KUI TEGELIKU kattekadu.3) Iga võimaliku põhjuse puhul soovitage selle eristamiseks VERIFIKATSIOONI salvestusetapp (nt pilve-, ccurate-valik, veetase4). 'roostik on kahanenud X%' ÄRGE SEADISTAGE, et seda saab öelda ainult siis, kui põhitõde seda kinnitab.
Tugev viip suunab mudelit mitte ühele lõplikule järeldusele, vaid alternatiivsete selgituste ja kontrollimise plaanile. Juba iseenesest muudab languse kahtlaseks asjaolu, et 2025. aasta pildil on 22% pilvi.
Põhitõe kontrollimine
Kaugseire tõlgenduse kuldstandardiks on kontrollpunktid välitingimustes tehtud vaatluste ja mõõtmistega. Salvestad GPS-iga tegeliku maakatte mitmes võrdluspunktis ja võrdled seda pildiklassifikatsiooniga. Kui väljal on pikslis kirjas "kuiv pilliroog", kus AI või algoritm ütleb "vesi", on klassifikatsioon ebausaldusväärne.
mini korpus
Kaevandamiskoha keskkonnamõju seires koostas meeskond satelliidipildi põhjal arvutatud NDVI vähenemise põhjal "15 hektari metsakao kaevandamise tõttu" ja lasi tõlgenduse laiendada LLM-iks; mudel andis sujuva, veenva narratiivi. Kui meeskond aruannet põllul kontrollis, oli aga näha, et osa madala NDVI-ga alast oli tegelikult koristatud põllumassiivi ja osa pilvevari, mis langes kokku pildistamise päevaga. Tegelik metsakadu oli umbes 4 hektarit, mitte 15. Kui metaandmed (pilvemask) ja maakasutuse kiht oleks eelnevalt kontrollitud, oleks viga ennekõike ära hoitud. LLM-i korralikud laused ei muutnud valet sisendit õigeks.
Levinud vead
- Erinevate aastaaegade/päikesenurga piltide võrdlemine ja hooajalise erinevuse segi ajamine "muutustega".
- Pilve ja pilvevarju tõlgendamine tegeliku kattekaotusena; pilvemaskist mööda minnes.
- Piksliandmete põhjal täpsete otsuste tegemine ruumilist eraldusvõimet ületavate väikeste objektide kohta.
- Pindalade ja kauguste vale arvutamine koordinaatsüsteemi/projektsiooni mittevastavuse tõttu.
- Mõeldes, et NDVI on tervise absoluutne mõõt, ning käsitledes vee- ja varjupiksleid nii, nagu oleksid need taimed.
- LLM-i sujuva kaardi narratiivi lisamine aruandesse lõpliku leiuna, millel puudub põhitõde.
- Tulemuste aruandlus ilma metaandmeid dokumenteerimata (kuupäev, andur, pilve %, töötlemistase).
Kokkuvõttes
- GIS analüüsid on üles ehitatud kihtidele, mis on joondatud ühises koordinaatsüsteemis; Projektsiooniviga moonutab tulemust.
- Ruumiline, spektraalne, ajaline ja radiomeetriline eraldusvõime piiravad seda, mida pilt võib näidata.
- NDVI = (NIR−PUNANE)/(NIR+PUNANE) on taimede elujõu tingimuslik näitaja, mitte absoluutne tervisenäitaja.
- Muutuste analüüsis erinevus = tegelik muutus + müra; Pilv, vari ja aastaaeg on suurimad petised.
- LLM toodab indeksi tõlgenduse ja kaardi narratiivi kontuuri, kuid ei "näe" satelliidipilti; Kommentaarid vastavalt antud numbrile.
- AI tõlgendust ja automaatset klassifitseerimist ei saa tõlkida lõplikeks keskkonnatulemusteks ilma tõe ja metaandmete kontrollimiseta.
Rakenduse ülesanne
Looge või eeldage välja kaks dateeritud NDVI kokkuvõtet (kas teie valitud või näidis); Märkige üles iga kuupäeva metaandmed (kuupäev, pilveprotsent, päikesenurk, andur). Arvutage ΔNDVI. Kirjutage tugev viip ja laske LLM-il küsida mitte ainult katte tegelikku vahetust, vaid ka alternatiivseid selgitusi (pilv, vari, aastaaeg, veetase, kalibreerimine) ja iga kinnitusetappi. Seejärel koostage "põhjatõe kontrollimise plaan": vähemalt kolm võrdluspunkti, mida põllul mõõdetakse ja kuidas seda võrreldakse pildi tõlgendusega. Lõpuks märkige ära, milline väide LLM-i koostatud narratiivis on "ei saa ilma kontrollimiseta aruandesse lisada" ja kirjutage põhjus.