Geoloogiline kaardistamine, kaugseire ja pildianalüüs

Kasu:

• Oskus selgitada, kuidas litoloogia, rikete ja muudatuste kaardistamist tehisintellektiga satelliidi- ja õhupiltidel tehakse.
• Võimalus kujundada töövoogu, mis eraldab multispektraalsetest/hüperspektraalsetest andmetest mineraal- ja struktuurimarkerid
• Võimalus testida kaugseire väljundeid põhitõe ja geoloogilise kontekstiga

Geoloogiline kaart on mingi piirkonna maa-aluse loo projektsioon pinnale: milline kivimiüksus kus asub, kust kulgevad murrud, mis suunas on kihid kaldu. Klassikaliselt on see kaart toode, mida geoloog toodab, rännates paljandilt paljandile kuude pikkuse välitöödega. Tänapäeval kiirendavad kaugseire ja tehisintellekt suuremat osa sellest protsessist. Selles üksuses näeme, kuidas litoloogia, rikete ja muutuste (kivimi keemiline muutumine hüdrotermiliste veega; kriitiline näitaja maavarade uurimisel) kaardistamine tehisintellektiga satelliidi-/aeropiltide põhjal ja mis kõige tähtsam, kuidas neid väljundeid maa tegelikkusega testitakse.

Hoiatus algusest peale: kaugseire pilt on mõõtmine, mitte tõlgendus; Kuid iga sellest mõõtmisest tuletatud kaart on tõlgendus ja tõlgenduses on viga. Tehisintellektiga tähistatud "muutuste tsoon" võib olla tegelik mineraalindikaator, kuivanud põld, vari või atmosfäärihäire. Kaart on hüpotees, kuni seda pole välitingimustes kontrollitud.

Kaugseire põhifüüsika

Iga mineraal ja kivim peegeldab päikesevalgust erinevatel lainepikkustel ja erineva kiirusega; seda nimetatakse spektraalsignatuuriks. Inimsilm näeb ainult nähtavat valgust (punane-roheline-sinine), kuid satelliidiandurid mõõdavad palju laiemat ulatust, sealhulgas infrapuna. Kaks põhikontseptsiooni:

Multispektraalsed kujutised mõõdetakse mitmes laias lainepikkuses (tavaliselt 4–12 riba); näiteks Landsati ja Sentineli satelliidid. See eristab karedaid kive. Hüperspektraalne kujutis seevastu mõõdab sadu kitsaid ribasid ja suudab mineraale ära tunda peaaegu nende "spektraalse sõrmejälje" järgi; Seda kasutatakse muunduvate mineraalide (nagu kaoliniit, aluniit, illit) eristamiseks.

AI teeb siin kahte tööd: esiteks liigitab see need suuremõõtmelised spektriandmed (milline piksel on missugune litoloogia/mineraal). Teiseks eraldab see kujutise geomeetrilistest mustritest (jooned, tekstuur, äravooluvõrk) vead ja struktuurilised tunnused. Kui lisada digitaalne kõrgusmudel (lühidalt DEM; maa kolmemõõtmeline kõrguskaart), kaasatakse analüüsi ka kalle, aspekt ja topograafilised jooned.

Samm-sammult: muudatuste kaardi töövoog

1. Valmistage pilt ette. Atmosfäärikorrektsioon (atmosfääri moonutava mõju eemaldamine), pilve maskeerimine, taimestiku mask. Kui see samm vahele jäetakse, on kogu tulemus saastunud.
2. Kitsendage oma huviala. Piirata uuringuala geoloogilise kontekstiga (teadaolev rike, kihistu, paljand); Andke mudelile kontekst.
3. Arvutage spektraalindeksid. Ribasuhted, mis tõstavad esile konkreetsed mineraalide rühmad (nt raudoksiidide, savimineraalide puhul).
4. Klassifitseerida. Tehisintellekt klassifitseerib pikslid/piirkonnad ja märgib võimalikud muudatuste tsoonid.
5. Planeerige maastiku kontrollimine. Valige märgitud tsoonidest proovipunktid ja kontrollige neid väljal. Ilma selle sammuta kaarti ei allkirjastata.

Tehisintellekti roll ja piirid pildianalüüsis

Eelkõige vähendab AI kahte tüüpi vigu: see tabab peeneid kõrvalekaldeid, mis jäävad tähelepanuta, ja standardiseerib ebajärjekindlad tõlgendused. Kuid see tekitab kolm süstemaatilist viga. Esimene on valepositiivne: taimestik, vari, inimstruktuur või mulla niiskus võib tunduda olevat muutunud. Teine on koolituse eelarvamus: kui mudelit õpetatakse teise piirkonna andmete põhjal, on see teie saidi erineva litoloogia puhul vale. Kolmandaks on mastaabi illusioon: üks piksel katab maapinnal kümneid meetreid; Peenstruktuurid lähevad kaduma, segapikslid (mitu materjali ühes pikslis) on eksitavad.

Nii et kuldreegel: maatõde võidab alati. Pildilt saadud kaarti ei saa pidada lõplikuks ilma seda proovide ja vaatlustega põllul valitud punktides testimata. Kontrollpunktid ei ole valitud juhuslikult, vaid strateegiliselt, et katta nii "teatud" kui "kahtlased" tsoonid.

Kolm miniümbrist: numbrite järgi

Juhtum 1 – otsinguala kitsendamine. Uuringufirma hindas litsentsiala suurust 1200 km². Tehisintellekti abil tehtud muudatuste klassifikatsioon hüperspektraalsete andmete põhjal vähendas ala 7 sihttsoonini 38 km². Selle asemel, et kogu ala külastada, seadis välimeeskond prioriteediks need 7 tsooni; esialgse välikampaania aega vähendati hinnanguliselt 70%. Seitsmest tsoonist 5 näitasid tegelikke muutusi põllul, 2 olid valepositiivsed (savi pinnas) – ilma kontrollimiseta oleksid need 2 tsooni olnud puurimine raisatud.

Juhtum 2 – rikete kaardistamise esialgne visand. DEM ja pildiga eraldatud lineamentanalüüs näitasid teadaoleva peamise vea kõrval kahte väiksemat joont. Üks osutus tegelikuks veaks selles valdkonnas; teine ​​osutus torujuhtme trassi topograafiliseks jäljeks. Mudel jäädvustas geomeetrilise mustri õigesti, kuid ei suutnud selle päritolu eristada; Ta eristas geoloogilist usutavust ja välikontrolli.

Juhtum 3 – pilvevarju eksitus. Ühes piirkonnas märkis mudel põhjanõlval tugevat "raudoksiidi muutumist". Atmosfäärikorrektsioon oli puudulik ja signatuur oli tegelikult õhukese pilvkatte spektraalne moonutus. Pildi ümbertöötlemisel ja parandamisel anomaalia kadus. Õppetund: eeltöötlusviga petab isegi kõige arenenuma mudeli.

Nõrk viip / Tugev viip

Nõrk viip:

Näidake sellel satelliidipildil kohti, kus võib olla miine.

Võimas viip:

Teie roll: kaugseire geoloog. Tõlgendage järgmisi spektraalindeksi ja ribade suhte väärtusi (pilt Sentinel-2, põuane tsoon, hõre taimestik).- Iga võimaliku muutmistsooni jaoks: kirjutage, milline indeks/suhe selle käivitas.- Soovitage iga tsooni jaoks VÄHEMALT üks valepositiivne allikas (taimestik, vari, pinnas, tehislik, atmosfäär).- Sorteerige tsoonid "Doo-terra/low-prioriteedi" (esineva mõõdu/madala tähtsuse järgi). mis tahes tsoon kui "kaevandatud"; "Muutamisluba tuleb kontrollida" andmed: [indeksi/määra tabel + kontekst]

Tugev viip sunnib mudelit ise valepositiivseid tulemusi loetlema ja vältima täpsuse väiteid.

Neli kopeeritavat malli

1) Eeltöötluse kontrollnimekiri:

Kontrollige eeltöötlusetappe, mis võidi järgmises kaugseire töövoos ära jätta: atmosfääri korrigeerimine, pilve/varju mask, taimestiku mask, topograafiline korrektsioon, anduri kalibreerimine. Selgitage iga lausega ühe lausega, kuidas puuduvad sammud võivad teie järeldust kallutada. Töövoog: [definitsioon]

2) Muutmistsooni tõlgendus:

Eraldage järgmistest spektriindeksi väärtustest (savi, raudoksiid, karbonaat, ränidioksiid) võimalikud muutused mineraalrühmad. Iga rühma kohta: käivitusindeks, usaldusnivoo, alternatiivne selgitus (valepositiivne), välja pakutud kontroll. Kindluse väide. Andmed: [indeksid]

3) Joone/rikke eraldamine:

Vaadake allolevat lineaarsuste loendit. Loetlege igaühe võimalikud päritolud: rike, plaadipiir, tamm, drenaaž, inimkonstruktsioon (tee/joon/põld), taimestiku piir. Märkige kõige tõenäolisem päritolu koos geoloogilise kontekstiga, kuid jätke välja ainus võimalus. Loend: [lineaarsused + kontekst]

4) Kontrollpunkti plaan:

Pakkuge välja põllu kontrollimise plaan järgmise muudatuse/litoloogiakaardi jaoks: - Mitu proovipunkti iga klassi kohta, miks. - "Kindlate" ja "küsitavate" tsoonide tasakaalustatud valimi võtmine. - Juurdepääsu- ja turvamärkus. Kaardi kokkuvõte: [klassid ja piirkonnad]

Pildi tüüp ja kasutusala

Andmetüüp

Milliseid meetmeid

Tema tugevus on

piiri

Multispektraalne (Sentinel/Landsat)

lairibad

Jäme litoloogia, piirkondlik skaneerimine

Mineraalide eraldamine on piiratud

hüperspektraalne

Sajad kitsad ribad

Mineraalide/muutuste eristamine

Kulud, töötlemise üldkulud

DEM (kõrgus)

topograafia

Rike/joon, drenaaž

Litoloogia ei anna

termiline infrapuna

pinna temperatuur

Natuke silikaati/karbonaati

tundlik atmosfääri suhtes

Radar (SAR)

Pinna karedus/deformatsioon

Pilve all, vajumine/maalihe

Tõlgendamine on keeruline

Näpunäide. Kasutage kaugseire väljundit "saidi prioriteedikontrollina", mitte "puurimiskaardina". Selle suurim väärtus on see, et see ütleb teile, kuhu kõigepealt minna; Välitõendid ja insener otsustab, kuhu puurida.

Ettevaatust: isegi kõige arenenum klassifikatsioon tekitab süstemaatilisi vigu, kui eeltöötlus (atmosfääri- ja topograafiline korrektsioon, maskeerimine) ära jäetakse. "Väljund on imelik" puhul küsi esmalt eeltöötlust, mitte mudelit. Prügi sisse, prügi välja põhimõte on siin halastamatu.

Levinud vead

• Eeltöötluse vahelejätmine. Korrigeerimata piltide anomaaliate eksimine tõelise geoloogia jaoks.
• Unustades valepositiivseid tulemusi. Taimede, varju, mulla niiskuse ja inimstruktuuride eksitamine muutuste/vigadena.
• Allkirjastamine ilma tõeta. Puurimisotsuse põhinemine pildikaardil ilma seda põllul kontrollimata.
• Skaala illusioon. Piksli suuruse unustamine ja asjaolu, et peenstruktuurid lähevad kaduma või segatud pikslid, on eksitav.
• Haridusliku kallutatuse ignoreerimine. Teises piirkonnas koolitatud mudeli pimesi rakendamine erineva litoloogiaga valdkonnale.

Kokkuvõttes

• Kaugseire mõõdab mineraalide spektraalset signatuuri erinevatel lainepikkustel; See eristab multispektraalset jämedat ja hüperspektrilist peent.
• Tehisintellekt klassifitseerib need suuremõõtmelised andmed ja eraldab geomeetrilistest mustritest vea/lineaarsuse; kuid see annab valepositiivseid tulemusi, treeningu kallutatust ja skaala kallutatust.
• Eeltöötlus (atmosfääri/topograafiline korrektsioon, maskeerimine) määrab tulemuse kvaliteedi; Kui see ära jäetakse, tekib süstemaatiline viga.
• Kaugseire on sõeluuringu/prioriteetide seadmise tööriist; Kaarti ei peeta täpseks, kui seda pole tõega kontrollitud.
• Põhitõde võidab alati; Kontrollpunktid peaksid tasakaalustatult katma nii teatud kui ka kahtlasi tsoone.

Rakenduse ülesanne

Anonüümseks muutke töökoha (või avaandmete piirkonna) spektraalindeksi/ribasuhte väärtused või DEM-joonte loend. Tõlgendage võimsa viipaga võimalikke muudatustsoone või tõrkeid ja laske mudelil soovitada iga tsooni jaoks vähemalt üks valepositiivne allikas. Seejärel koostage objekti kontrollimise plaan malliga "kontrollipunkti plaan"; Märkige ühe lausega, kui palju punkte on jaotatud "kahtlasteks" tsoonideks ja miks te tasakaalustatud proovivõttu teostate.

kontrollnimekiri

• [ ] Oskan eristada, mis multispektraalsed ja hüperspektraalsed andmed mõõdavad ja milleks neid kasutatakse.
• [ ] Tean, kuidas eeltöötlusetapid (trimmimine, maskeerimine) tulemust mõjutavad.
• [ ] Ma küsin valepositiivsete allikate (taimestik, vari, inimtegevusest tingitud) muudatuste/rikke väljundid.
• [ ] Vaatan kaugseirekaarti skaneerimisvahendina ja katsetan seda maastikukontrolliga.
• [ ] Oskan planeerida kontrollpunkte, et tasakaalustada teatud ja kahtlasi tsoone.