זרימת עבודה של נתונים מרחביים עם QGIS ו-Python

רווחים:

• יכולת להשתמש ב-AI ביצירת קוד וזרימת עבודה לעיבוד נתונים מרחביים עם QGIS ו-Python (ספריות כגון GeoPandas)
• יכולת לבדוק את הקוד המרחבי המיוצר על ידי AI על נתוני דגימה קטנים ולאמת אותו מול שגיאות מערכת קואורדינטות וגיאומטריה
• יכולת להבין את סודיות הנתונים ואת הצורך לבדוק את הסקריפט שנוצר ב-AI לפני הפעלתו על נתוני פרויקט אמיתיים.

משימות מרחביות שחוזרות על עצמן ביחידת תכנון (גיזום שכבות, שרטוט חוצצים, חישוב שטחים, שילוב טבלאות) אורכות שעות ומייצרות שגיאות בביצוע ידני. ישנם שני כלים רבי עוצמה, חינמיים וקוד פתוח אשר הופכים את המשימות הללו לאוטומטיות: QGIS (תוכנת GIS שולחנית) ו-Python (שפת תכנות עם ספריות לנתונים מרחביים כגון GeoPandas, Shapely, Rasterio). בינה מלאכותית מהירה להפליא ביצירת קוד וזרימת עבודה עבור הכלים האלה: היא מנסחת סקריפט עובד מתוך בקשה של משפט אחד. אבל AI כותב קוד עם הנחות שאינך יכול לראות - מערכת קואורדינטות שגויה, יחידה שגויה, פעולה שמוחקת אלמנטים בשקט. זו הסיבה שכל קוד מרחבי ש-AI מייצר חייב להיקרא ולבדוק על מדגם קטן לפני שהוא מופעל על נתוני פרויקט אמיתיים. יחידה זו מלמדת אוטומציה מרחבית בטוחה עם AI, גם אם אינך יודע כיצד לקודד.

למה QGIS ו-Python

QGIS מאפשר לך לנתח על ידי לחיצה; זה קל ללמידה וכולל קונסולת Python. פייתון, לעומת זאת, מאפשרת לכתוב משימות שחוזרות על עצמן פעם אחת ולהריץ אותן במאות קבצים. GeoPandas היא הספרייה המעשית ביותר למתכננים, המשלבת נתונים טבלאיים (פנדות) עם גיאוגרפיה: קוראת שכבות, מסננת, מציירת חוצצים, מחשבת אזורים עם שורת קוד אחת. AI כותב את קוד GeoPandas טוב מאוד; אבל קוד שנראה טוב הוא לא תמיד הקוד הנכון.

זהירות: סקריפט שנכתב על ידי AI יכול לרוץ ללא שגיאות ועדיין להפיק תוצאות שגויות לחלוטין. "עבד" ו"נכון" הם שני דברים שונים. אימות אינו שהקוד נכשל, אלא שהתוצאה תואמת התייחסות ידועה.

מושג חשוב נוסף הוא שחזור: ניתוח שאתה עושה במוסד ציבורי אמור להיות מסוגל לחזור באותם שלבים על ידי מישהו אחר חודשים לאחר מכן. פעולות שבוצעו על ידי לחיצה ידנית אינן נזכרות ולא ניתן לביקורת; ואילו סקריפט Python הוא גם תיעוד של העבודה וגם משחזר את אותה תוצאה. אחסון הקוד שאתה מייצר עם AI יחד עם ההערות שלו מחזק הן את האחריות והן את הזיכרון הארגוני. אז כוונו ל"קוד קריא, להערה ומאוחסן", לא ל"קוד עובד". הרגל טוב הוא להוסיף בלוק תיאור קצר בתחילת כל סקריפט, המציין על אילו נתונים הוא פועל, באיזה תאריך ולאיזו מטרה.

כללי הזהב של יצירת קוד עם AI

1. תן את ההקשר. פורמט קובץ, CRS, שמות עמודות, מה אתה רוצה לעשות.
2. תבקש קטן. קוד קצר שעושה עבודה אחת בטוח יותר מסקריפט ענק.
3. בקשו הבהרה. הדפס ל-AI מה עושה כל שורת קוד; אל תפעיל קוד שאתה לא מבין.
4. בדוק את זה על המדגם. תחילה נסה זאת על נתונים לדוגמה של 10-20 רשומות.
5. השווה עם הפניה. השווה אזור/מרחק לערך ידוע.
6. לְגַבּוֹת. לעולם אל תחליף נתוני אב; עבודה בהעתקה.

צעד אחר צעד: סקריפט מרחבי מאובטח עם AI

1. הבהרת המשימה. "בחר שטחים ירוקים משכבת ​​החבילה, חשב את השטחים שלהם, כתוב את השטח שמעל 5000 מ"ר לקובץ נפרד."
2. זהה את הנתונים. פורמט (GeoPackage/Shapefile), CRS, שם עמודה רלוונטי.
3. הדפס קוד + תיאור ל-AI. הגיבו שורה אחר שורה.
4. עשה CRS ובקרת יחידה. שטח במ"ר או שכבה ב-CRS מטרי?
5. הפעל על נתונים לדוגמה. בדוק את התוצאה ויזואלית.
6. אמת באמצעות הפניה. השווה את שטח החבילה לערך שטר הבעלות שלה.
7. הפעל אותו על נתוני האב, כתוב את הפלט לקובץ החדש.

הנחיה חלשה / הנחיה חזקה

הנחיה חלשה: "חשב שטח החבילות".

AI כותב מבלי לדעת את מערכת הקואורדינטות, הפורמט והעמודה; השדה עשוי להופיע ביחידה הלא נכונה או ב-CRS הלא נכון.

הנחיה חזקה: "עם GeoPandas, קרא שכבת GeoPackage ('parcels.gpkg', מערכת לאומית מטרית כגון CRS: EPSG:5254) וכתוב את השטח של כל חבילה ב-m² בעמודה חדשה 'area_m2'. הגיבו על כל שורה בקוד. הוסף שורה לפני החישוב ה-CRS של השטח אם זה לא חישוב ה-CRS. פלט לקובץ חדש, אל תשנה את המקור."

ההנחיה השנייה מייצרת קוד מאובטח שניתן לביקורת מכיוון שהוא מכיל CRS, יחידה, פלט מאובטח ותיאור.

ארבע תבניות הניתנות להעתקה

משימה: כתוב קוד Python קצר שעושה את המשימה הבאה עם GeoPandas. הגיבו לכל שורה בטורקית. פעולה: [...]קובץ קלט: [...] (פורמט, CRS: [...], עמודה רלוונטית: [...]) כלל: אין לשנות קובץ מקורי, לכתוב פלט לקובץ חדש. בדוק ש-CRS הוא מטרי לפני הפעולה; אם לא, אזהרה.

משימה: הסבירו את הקוד הבא של Python/GeoPandas שורה אחר שורה וסמנו את ה-RISKS: איזו שורה יכולה למחוק/לדרוס נתונים, איזו פעולה מניחה CRS או נפח, איזה שלב יהיה איטי ב-Big Data. שינוי הקוד; רק להסביר ולהזהיר.קוד: [...]

משימה: כתוב תוכנית טסט קטנה לפני הפעלת הקוד הזה על נתונים אמיתיים. עם אילו נתונים לדוגמה, עם איזו תוצאה צפויה, עם איזה ערך ייחוס יש לאמת אותם? תן רשימת בדיקה. קוד/פעולה: [...]

משימה: תאר את פעולת ה-QGIS הבאה (שלבי לחיצה) הן כנתיב התפריט של QGIS והן כקוד Python/GeoPandas המקביל. ציין הבדלים ונקודות עניין (CRS, יחידה). תהליך: [...]

טבלה: פעולות מרחביות תכופות ומלכודותיהן

עסקה

מה עושה

מלכודת בקוד AI

אימות

חשבון שדה

מוצא שטח מצולע

לשדה אין משמעות ב-Geographic CRS

השוואה לאזור ידוע

מאגר

אזור סביב הגבול

שגיאת יחידה (מעלה/מטר).

CRS מטרי + מדידה

צבירה מרחבית

משייך שכבות

מפתח/רישום כפול שגוי

בקרת ספירת שיאים

קליפ

חתכים עם שטח

אובדן נתונים מחוץ לתחום

השווה קלט/פלט

השלכה מחדש

CRS מחליף

יעד CRS שגוי

אישור קוד EPSG

שלושה מיני תיקים

מקרה 1 - החלפה שקטה. מתכנן מריץ סקריפט שנכתב על ידי ה-AI ישירות על שכבת הבסיס. הקוד מחיל פילטר בצורה שגויה, מוחק חצי מהשכבה ושומר אותה באותו קובץ. מכיוון שאין גיבוי, נתונים שנמשכים ימים הולכים לאיבוד. שיעור: פלט תמיד לקובץ חדש, נתוני אב תמיד מיותרים.

מקרה 2 - מאגר עם יחידה שגויה. צוות אחד מבקש מאגר גישה של 500 רגל לבתי ספר. קוד AI פועל על גיאוגרפי CRS; המאגר של 500 "מעלות" מכסה את כל המפה. מכיוון שהצוות בודק מדגם קטן, הוא תופס את השגיאה לפני שהיא עוברת לנתונים הראשיים; מוסיף ומתקן הקרנה ל-CRS מטרי. הרגל הבדיקה מונע אסון.

מקרה 3 - למידה מסבירה. מתכנן שלא יודע קוד מייצר קוד הצטרפות על ידי כך שה-AI יפרש כל שורה. הוא רואה "השורה הזו מורידה שיאים שאין דומה להם" בתיאור ומבין שזה יאבד כמה חבילות; הוא מבקש מה-AI גרסה שגם שומרת על אי-התאמות. הבנת הקוד היא תנאי מוקדם לשימוש בטוח.

טעויות נפוצות

• פועל ישירות על נתוני אב. תמיד עבדו על העותק, כתיבת הפלט לקובץ החדש.
• טעות ב"עבד" ב"נכון". קוד נטול שגיאות עלול להניב תוצאות שגויות; אמת עם הפניה.
• בהנחה של CRS ונפח. בדוק תמיד את ה-CRS המטרי עבור פעולות שטח ומרחק.
• קוד הפעלה שאתה לא מבין. זה מסוכן להפעיל את זה בלי לבקש הסברים ובלי לדעת מה השורות עושות.
• דלג על המבחן הקטן. מעבר ל-Big Data מבלי לנסות נתונים לדוגמה הוא מקור השגיאה הנפוץ ביותר.
• מתן נתונים סודיים למכשירי ענן מבלי לחשוב. אל תשתף נתוני חבילה/אדם אמיתיים בעת יצירת קוד; השתמש בנתונים לדוגמה/אנונימיים.

לסיכום

QGIS ו-Python (במיוחד GeoPandas) הופכים משימות מרחביות חוזרות ונשנות בתכנון; AI מייצר במהירות קוד עבור כלים אלה. אבל AI כותב קוד עם הנחות שאתה לא יכול לראות: CRS שגוי, נפח שגוי, פעולות שמוחקות נתונים בשקט. שימוש בטוח מבוסס על שישה כללים: לתת הקשר, לבקש קטן, לקבל הבהרות, לבדוק בדוגמה, לאמת באמצעות הפניה, לגבות. "עבד" אינו זהה ל"נכון". גם אם אתה לא יודע קוד, אתה יכול לעשות אוטומציה מרחבית מאובטחת עם AI על ידי הבנת כל שורה ומבלי לשתף נתונים סודיים.

משימת יישום

בחר משימה מרחבית שחוזרת על עצמה (למשל חישוב שטחים בשכבה והפרדה בין החלק העליון של סף). (1) הדפס קוד + תיאור שורה ל-AI עם התבנית הראשונה. (2) בדוק את הסיכונים של אותו קוד כמו התבנית השנייה ומצא לפחות שורה אחת של "עשוי למחוק נתונים/מניח CRS". (3) פלט תוכנית בדיקה עם התבנית השלישית: אילו נתונים לדוגמה, איזה ערך התייחסות. (4) רשום שלושה שלבי אבטחה שתנקוט לפני הפעלת הקוד על נתונים אמיתיים.

רשימת בדיקה

• [ ] נתתי ל-AI את הפורמט, ה-CRS והקשר העמודה.
• [ ] הסברתי כל שורה בקוד; לא הרצתי קוד לא הבנתי.
• [ ] רציתי קוד קצר עם פונקציה אחת.
• [ ] בדקתי את זה על נתוני דוגמאות קטנים ובדקתי חזותית את התוצאה.
• [ ] אימתתי את התוצאה עם ערך התייחסות ידוע.
• [ ] גיביתי את נתוני האב; כתבתי את הפלט לקובץ החדש.
• [ ] לא מסרתי את הנתונים הסודיים בפועל למכשיר הענן; השתמשתי בנתונים אנונימיים/לדוגמא.