חישה מרחוק וזיהוי אתרים: לוויין, צילום אוויר ו-LiDAR

רווחים:

• יכולת לסרוק לאיתור חריגות בנתוני לוויין, צילום אוויר ונתוני LiDAR עם בינה מלאכותית ולהעריך כל סימן כמועמד הדורש אישור שטח
• הבנת התלות העונתית והמותנית של עקבות צמחים, אדמה וצל וכיצד מסלקות חיוביות כוזבות טבעיות/מודרניות.
• יכולת ליישם מדוע יש להגן על מיקומי אתרים רגישים מפני גזל ולטשטש אותם בשידור

אחת ההתפתחויות המרגשות ביותר בארכיאולוגיה היא היכולת לראות עקבות מתחת לאדמה ועל פני השטח מבלי לחפור באדמה. חישה מרחוק (שיטה לבחינת אזור באמצעות תמונות לוויין, מטוסים או מזל"ט מבלי לגעת בו פיזית) היא הכלי החזק ביותר לסריקת שטחים נרחבים וגילוי אתרים אפשריים (מקומות המכילים שרידים ארכיאולוגיים). ביחידה זו נלמד כיצד AI מסמן חריגות (מסלולים שונים מסביבתו, שעשויים להיות מעשה ידי אדם) בתמונות לוויין, תצלומי אוויר ונתוני LiDAR, אך מדוע יש לאשר כל סימן בשטח.

עיקרון בסיסי: AI הוא עוזר סריקה והצבעה שאומר "תסתכל כאן" בשטח רחב; החלטת "זה באמת אתר" מתקבלת על ידי הפיקוח על הקרקע והמומחה. בחישה מרחוק, כל נקודה המסומנת על ידי AI היא השערה, לא תגלית.

סוגי חישה מרחוק

צילום לווין ואויר. מבנים קבורים מובילים לצמיחה דיפרנציאלית של הקרקע והצמחייה שמעליהם. היבול על קיר חלש יותר, על תעלה הוא עבות יותר; אלה נקראים סימני חיתוך. NDVI (מדד המודד את בריאות הצמחייה; הוא מכמת את חיוניות הצמח באמצעות אור אינפרא אדום) מדגיש את ההבדלים הללו. AI סורק את ההבדלים העדינים האלה בתמונות גדולות מהר יותר מאדם.

LiDAR. LiDAR (Light Detection and Ranging — טכנולוגיה שיוצרת מפת גובה תלת מימדית מאוד מדויקת של פני השטח על ידי ירי לייזר מכלי טיס לקרקע ומדידת זמן החזרה) היא הכלי המהפכני ביותר. התכונה שלו היא שהלייזר יכול להגיע לקרקע דרך עצים; כך מתגלים תלים, טרסות, דרכים ויסודות בניין מתחת ליער כאשר הצמחייה "מקולפת" מספרית. AI מסמן בליטות, בורות וצורות גיאומטריות חלקות בנתוני הגובה האלה.

גיאופיזיקה (משלימה). שיטות כמו מכ"ם חודר קרקע (GPR) ומדידות מגנטיות רואים ממש מתחת לפני השטח; AI עוזר לחפש דפוסי אנומליה גם בנתונים אלה.

שלבי זיהוי אתרים עם AI

1. הכנת נתונים. תמונות מותאמות למערכת הקואורדינטות (גיאורפרנציה), צל וניגודיות מתוקנים. ב-LiDAR מסננים את הצמחייה ומייצרים "מודל אדמה חשופה".
2. סריקת חריגות. בינה מלאכותית מסמנת גיאומטריות חלקות שעשויות להיות מעשה ידי אדם (תל עגול, מבנה מלבני, תעלה/כביש ליניארי).
3. חיסול. רוב השלטים הם טבעיים (גיאולוגיים, חקלאיים, מודרניים). המומחה מבטל את אלה שהם בעליל טבעי ומודרני.
4. תעדוף. שאר הנקודות של המועמדים מסודרות לפי הקשר ותפוצה ידועה באתר.
5. אישור קרקע. נקודות עדיפות נבדקות במקום על ידי סקר משטח ובמידת הצורך קידוח. שום נקודה לא מוכרזת "שב" ללא אישור.

טיפ: ראה תמיד סימנים של AI כ"רשימה של מועמדים עם שיעור חיובי שגוי גבוה". המטרה היא לצמצם בצורה חכמה את מקומות הביקור בשטח; לא להכריז על הגילוי. הפחתת 200 נקודות קרקע ל-30 בעונה היא רווח גדול.

מיקום רגיש: פרטיות קריטית

הנושא האתי והאבטחתי החמור ביותר בזיהוי אתרים הוא סודיות המיקום. הקואורדינטות המדויקות של אתר חדש שזוהה, לא מוגן, הן יעד ישיר לחופרים לא חוקיים ומחפשי אוצרות. לכן:

• אין להיכנס לרכבי AI ציבוריים שהקואורדינטות המדויקות שלהם לא אושרו.
• טשטוש מיקומם של אתרים רגישים בשידורים ובמצגות (תנו אזור כללי, ללא GPS).
• שמור נתונים במערכת המאובטחת של הארגון והגבלת גישה.

שימו לב: הדבקת הקואורדינטות של אתר בשירות הציבורי באומרם "אני רק הולך לשרטט מפה" עלולה להשאיר את האתר הזה פתוח לביזה. נתוני מיקום הם נכס שיש להגן עליו באותה מידה כמו המציאה עצמה.

שלושה מיני תיקים

מקרה 1 - הסריקה צמצמה את האזור. פרויקט סקר יסקור שטח של 500 קמ"ר. ניתוח LiDAR המופעל על ידי AI סימן 120 תלוליות אפשריות מתחת ליער. לאחר חיסול מומחים, נותרו 38 מקומות עדיפות; 11 מהם נמצאו כמבנים ארכיאולוגיים אמיתיים בשטח. בינה מלאכותית ריכזה חודשים של חיפוש עיוור לעונה ממוקדת.

מקרה 2 - חיובי כוזב היה הלקח. בעוד צוות התכונן בהתרגשות להכריז על צלקת עגולה חלקה המסומנת על ידי ה-AI כ"תלולית", הגיאולוג המומחה הראה כי מדובר בשקע טבעי (דולין). הצהרה שנאמרה ללא אישור קרקע עלולה להיות אובדן מוניטין. שיעור: AI רואה גיאומטריה, לא פרשנות של מקור.

מקרה 3 - מניעת דליפת מיקום. תלמיד יעלה את התמונה המכילה את הקואורדינטות של אתר שזה עתה נמצא לכלי ציבורי. היועץ נעצר; האזור עדיין לא היה מוגן. התמונה עובדה עם הוסר מידע קואורדינטות ורק במערכת המאובטחת.

ארבע תבניות הניתנות להעתקה

1) מסגרת סריקת חריגות:

תפקידך: עוזר ניתוח חישה מרחוק. אני אתן לך תמונת/נתוני גובה בשטח חשוף (נגזרת LiDAR). סמן גיאומטריות חלקות (מעגליות, מלבניות, ליניאריות) שעשויות להיות מעשה ידי אדם; עבור כל אחד, רשום את מיקומו, הפורמט שלו ומדוע הוא בולט. לכל סימן ציינו גם אפשרות להסבר טבעי/מודרני. אל תכריז על "שב" מוחלט.

2) חיסול חיובי כוזב:

להלן רשימת נקודות המועמדים שה-AI סימן. עבור כל אחד, רשום את ההסברים הטבעיים והמודרניים (תצורה גיאולוגית, עקבות חקלאית, כביש, יסוד בניין) שאני יכול לבטל לפני בדיקת השטח. רשום בנפרד את המועמדים ה"ממש מעורפלים" הנותרים.

3) תוכנית בקרת קרקע:

מקומות המועמדים המובילים שלי הם: [רשימה]. לכל נקודה מופיעה רשימת בדיקה המכילה את האינדיקטורים שעלי לחפש בעת אישור בשטח (ממצאי פני השטח, טופוגרפיה, צבע הקרקע, צפיפות האבן) וכללי שדה בטוחים/אתיים (הרשאה, חיסיון מיקום).

4) טשטוש מיקום לשידור:

בעת הכנת מידע האתר הבא לפרסום/מצגת, הצע כיצד אוכל לתאר אותו מבלי לחשוף את המיקום המדויק: רשום איזו רמת הכללה (מחוז/אזור), איזה מידע יש להשמיט. המטרה: איזון של שקיפות מדעית והגנה מפני קלקול.

הנחיה חלשה / הנחיה חזקה

הנחיה חלשה:

האם יש אתר ארכיאולוגי בתמונת לוויין זו? תן את הקואורדינטות שלו.

AI יכול להכריז על עקבות טבעית כ"שב" ולהתאים לקואורדינטה בטוחה; זה מסוכן הן מנקודת מבט מדעית והן מבחינה ביטחונית.

הנחיה עוצמתית:

תפקידך: עוזר חישה מרחוק. סמן בתמונה זו את הסימנים הגיאומטריים החלקים שעשויים להיות מעשה ידי אדם. לכל עקבות: (א) צורתו, (ב) מדוע היא יוצאת דופן, (ג) הסבר חלופי טבעי/מודרני. אלו הם מועמדים שייבדקו בשדה בלבד; אל תכריז על "שב". צור קואורדינטות מדויקות, תאר מיקום יחסי.

הבדל: הראשון מגלה תגלית מוצהרת; האחרון מייצר רשימה מאובטחת של מועמדים לאימות.

סוגי תמונות ואפקטים עונתיים

בחישה מרחוק תמונה לא "תמיד" עובדת; צריך את התנאי הנכון כדי לראות את המסלול הנכון. סימני היבול מופיעים בצורה הטובה ביותר בתקופות יבשות שבהן היבול נמצא בלחץ מים: האדמה מעל קיר קבור שומרת פחות מים, ולכן היבול שם מצהיב מוקדם ומופיע כקו מלמעלה. בתמונת אביב לחה, ייתכן שאותו עקבות לא יופיע כלל. סימני אדמה מופיעים כאשר אדמה בצבע שונה עולה לפני השטח לאחר חריש השדה. סימני צל, לעומת זאת, חושפים בליטות אור ובורות עם צללים ארוכים בשמש נמוכה, בבוקר או בערב. לכן, יש צורך להעריך אזור לא עם תמונה בודדת, אלא עם תמונות רבות בעונות ובזמנים שונים; AI מאיץ את ההשוואה הרב-פעמית הזו.

היתרון של LiDAR הוא בכך שהוא מתגבר במידה רבה על תלות במצב זה: מכיוון שהוא מודד ישירות טופוגרפיה פני השטח, הוא פחות תלוי בעונת הצמחייה ויכול לראות את תת היער. עם זאת, כאשר מייצרים "מודל אדמה חשופה" ב-LiDAR, אם מסנן הצמח אגרסיבי מדי, הוא יכול למחוק את הבליטות האמיתיות, ואם הוא רך מדי, הוא יכול בטעות שהעצים הם מבנים; החלטות סינון אלו דורשות פיקוח מומחה.

טיפ: בעת הערכת אזור, שאלו "באיזו עונה, באיזו שעה ובאיזה שיטה?" תמיד תשאל את השאלה. אם אין זכר בתמונה אחת, זה לא אומר שאין אתר; אולי אתה מסתכל על זה במצב הלא נכון.

טבלת השוואת שיטות

שיטה

מה שרואה

תרומה של AI

גבול

צילום לווין/אוויר

עקבות צמחים/אדמה

סריקת שטח רחב

עונה, רזולוציה

NDVI

הבדל במרץ הצמח

הדגשת צלקות

מבלבל הבדלים טבעיים

LiDAR

טופוגרפיה פני השטח

גיאומטריה של תת יער

שגיאות מסנן צמחים

גיאופיזיקה (GPR/מגנטית)

מבנה תת קרקעי

דפוס אנומליה

מקומי, איטי

טעויות נפוצות

• בטעות אנומליה בתגלית. השלט הוא מועמד; ללא אישור קרקע זה לא אתר.
• לא מבטל עקבות טבעיים/מודרניים. דולינים, צלקות חקלאיות וצינורות מופיעים לעתים קרובות כ"מבנים".
• מתן הקואורדינטה המדויקת לרכב הפתוח. סיכון של ביזה; מיקום הוא נכס שיש להגן עליו.
• מסתמכים על תמונה אחת. הפרשנות אינה שלמה ללא עונות שונות, שיטות שונות ושטח.
• שוכחים את השיעור חיובי כוזב. רוב השלטים מגיעים ריקים; זה נורמלי, המטרה מצטמצמת.

לסיכום

בחישה מרחוק, AI חוסך זמן אדיר בסריקת שטחים גדולים ובסימון אתרים אפשריים. אבל כל סימן הוא השערה שיש לאשש אותה בשטח; עקבות טבעיים ומודרניים בוטלו בזהירות; והכי חשוב, מקומות רגישים מוגנים מפני ביזה. AI אומר "תסתכל כאן"; המקרקעין והמומחה מחליטים האם "מקום זה מוגן".

משימת יישום

בחר תמונת LiDAR או לוויין בגישה פתוחה (מהאזור שלך או ממערך נתונים לדוגמה). יש לדגל גיאומטריות אפשריות של AI עם תבנית "סריקת חריגות", ולאחר מכן הסר הסברים טבעיים/מודרניים עם תבנית "ביטול חיובי כוזב". נסח תוכנית בקרת קרקע עבור המועמדים הנותרים וכלול הערת סודיות מיקום.

רשימת בדיקה

• [ ] התייחסתי לאותות הבינה המלאכותית כ"מועמדים", ולא תגליות.
• [ ] ניסיתי להעלים עקבות טבעיים ומודרניים.
• [ ] תכננתי אישור קרקע למועמדים בעדיפות.
• [ ] השארתי את המיקומים הרגישים מחוץ לרכב הפתוח וטשטשתי אותם בשידור.
• [ ] לקחתי בחשבון שהשיעור חיובי כוזב עשוי להיות גבוה.