Dobici:
- Sposobnost objašnjenja kako se kartiranje litologije, rasjeda i promjena izvodi pomoću umjetne inteligencije na satelitskim i zračnim slikama.
- Sposobnost dizajniranja tijeka rada koji izvlači markere minerala i strukture iz multispektralnih/hiperspektralnih podataka
- Sposobnost testiranja rezultata daljinskog očitavanja s istinitošću tla i geološkim kontekstom
Geološka karta je projekcija podzemne priče regije na površinu: koja se stijenska jedinica gdje nalazi, kuda prolaze rasjedi, u kojem su smjeru nagnuti slojevi. Klasično, ova karta je proizvod koji geolog proizvodi putujući od izdanka do izdanka, uz višemjesečne terenske radove. Danas daljinska detekcija i umjetna inteligencija ubrzavaju veći dio tog procesa. U ovoj jedinici vidjet ćemo kako se kartiranje litologije, rasjeda i alteracija (kemijska promjena stijena s hidrotermalnim vodama; kritičan pokazatelj u istraživanju minerala) radi pomoću umjetne inteligencije iz satelitskih/zračnih slika, i što je najvažnije, kako se ti rezultati testiraju s realnošću zemlje.
Upozorenje od početka: slika daljinskog istraživanja je mjerenje, a ne interpretacija; Ali svaka karta izvedena iz tog mjerenja je interpretacija i postoji pogreška u interpretaciji. "Zona promjene" koju obilježava umjetna inteligencija može biti stvarni indikator minerala, osušeno polje, sjena ili atmosferski poremećaj. Karta je hipoteza dok se ne potvrdi na terenu.
Osnove fizike daljinskog istraživanja
Svaki mineral i stijena reflektiraju sunčevu svjetlost na različitim valnim duljinama različitim brzinama; to se naziva spektralni potpis. Ljudsko oko vidi samo vidljivu svjetlost (crveno-zeleno-plavo), ali satelitski senzori mjere mnogo širi raspon, uključujući infracrveno. Dva osnovna koncepta:
Multispektralno snimanje mjeri u nekoliko širokih pojaseva valnih duljina (obično 4-12 pojaseva); na primjer, sateliti Landsat i Sentinel. Razlikuje grubo kamenje. Hiperspektralno snimanje, s druge strane, mjeri u stotinama uskih traka i može prepoznati minerale gotovo po njihovom "spektralnom otisku prsta"; Koristi se za razlikovanje alteracijskih minerala (kaolinita, alunita, ilita).
AI ovdje radi dva posla: prvo, klasificira te visokodimenzionalne spektralne podatke (koji piksel je koja litologija/mineral). Drugo, izvlači pogreške i strukturne značajke iz geometrijskih uzoraka slike (linije, tekstura, drenažna mreža). Kada se doda Digitalni model nadmorske visine (skraćeno DEM; trodimenzionalna karta nadmorske visine zemlje), u analizu su uključeni i nagib, aspekt i topografski lineamenti.
Korak po korak: tijek rada mape izmjena
- Pripremite sliku. Atmosferska korekcija (uklanjanje distorzivnog učinka atmosfere), maskiranje oblaka, maska vegetacije. Ako se ovaj korak preskoči, cijeli će rezultat biti kontaminiran.
- Suzite svoje područje interesa. Ograničiti područje istraživanja na geološki kontekst (poznati rasjed, formacija, izdanak); Dajte kontekst modelu.
- Izračunajte spektralne indekse. Omjeri traka koji ističu specifične skupine minerala (npr. za željezne okside, minerale gline).
- Klasificirati. Umjetna inteligencija klasificira piksele/regije i označava moguće zone promjene.
- Zakažite provjeru terena. Odaberite točke uzorkovanja iz označenih zona i provjerite ih na terenu. Bez ovog koraka karta neće biti potpisana.
Uloga i ograničenja umjetne inteligencije u analizi slike
Konkretno, umjetna inteligencija smanjuje dvije vrste pogrešaka: hvata suptilne anomalije koje se previđaju i standardizira nedosljedna tumačenja. Ali proizvodi tri sustavne pogreške. Prvi je lažno pozitivan: vegetacija, sjena, ljudska struktura ili vlažnost tla mogu izgledati kao promjene. Drugi je pristranost uvježbavanja: ako se model uvježbava na podacima iz druge regije, bit će pogrešan na različitoj litologiji vašeg mjesta. Treća je iluzija razmjera: jedan piksel pokriva desetke metara na tlu; Gube se fine strukture, miješani pikseli (više materijala u jednom pikselu) dovode u zabludu.
Dakle, zlatno pravilo: temeljna istina uvijek pobjeđuje. Karta koja proizlazi iz slike ne može se smatrati konačnom bez testiranja s uzorcima i opažanjima na odabranim točkama na terenu. Verifikacijske točke nisu odabrane slučajno, već strateški, kako bi pokrile i "određene" i "sumnjive" zone.
Tri mini kućišta: po brojevima
Slučaj 1 — Sužavanje područja pretraživanja. Istraživačka tvrtka procjenjivala je licencirano područje od 1200 km². Klasifikacija alteracije potpomognuta umjetnom inteligencijom iz hiperspektralnih podataka smanjila je područje na 7 ciljnih zona od 38 km². Umjesto da obiđe cijelo područje, terenski tim dao je prioritet ovih 7 zona; početno vrijeme terenske kampanje smanjeno je za procijenjenih 70%. 5 od 7 zona pokazalo je stvarnu promjenu na terenu, 2 su bile lažno pozitivne (ilovasto tlo) — bez provjere, ove 2 zone bile bi uzalud bušenje.
Slučaj 2 — Preliminarna skica mapiranja kvara. DEM i analiza lineamenta ekstrahirane slikom sugerirali su dva manja lineamenta uz poznati glavni rasjed. Jedan se pokazao kao stvarna greška na terenu; drugi se pokazao kao topografski trag trase cjevovoda. Model je ispravno uhvatio geometrijski uzorak, ali nije mogao razlikovati njegovo podrijetlo; Razlikovao je geološku vjerodostojnost i kontrolu polja.
Slučaj 3 — Zabluda sjene oblaka. U jednom području model je označio jaku "promjenu željeznog oksida" na sjevernoj padini. Atmosferska korekcija bila je nepotpuna i potpis je zapravo bio spektralna distorzija tankog naoblake. Kada je slika ponovno obrađena i ispravljena, anomalija je nestala. Lekcija: pogreška pretprocesiranja zavara čak i najnapredniji model.
Slab upit / Jak upit
Slab upit:
Pokažite mjesta na kojima bi moglo biti mina na ovoj satelitskoj snimci.
Snažan upit:
Vaša uloga: Geolog za daljinska istraživanja. Protumačite sljedeće vrijednosti spektralnog indeksa i omjera vrpci (slika Sentinel-2, sušna zona, rijetka vegetacija).- Za svaku moguću zonu promjene: napišite koji ju je indeks/omjer pokrenuo.- Predložite BAREM jedan lažno pozitivan izvor za svaku zonu (vegetacija, sjena, tlo, umjetna, atmosferska).- Razvrstajte zone prema "prioritetu provjere terena" (visoka/srednja/niska).- Ne predstavljajte nijednu zonu kao "miniranu"; podaci "izmjena tokena mora biti potvrđena": [tablica indeksa/stope + kontekst]
Snažan prompt prisiljava model da sam navede lažno pozitivne rezultate i izbjegne tvrdnju o točnosti.
Četiri predloška za kopiranje
1) Kontrolni popis za prethodnu obradu:
Provjerite korake predobrade koji su možda izostavljeni u sljedećem tijeku rada daljinskog očitavanja: atmosferska korekcija, maska oblaka/sjene, maska vegetacije, topografska korekcija, kalibracija senzora. Objasnite u jednoj rečenici za svaki kako bi koraci koji nedostaju mogli utjecati na vaš zaključak. Tijek rada: [definicija]
2) Tumačenje zone izmjene:
Izdvojite moguće skupine alteracijskih minerala iz sljedećih vrijednosti spektralnog indeksa (glina, željezni oksid, karbonat, silicij). Za svaku grupu: indeks okidača, razina pouzdanosti, alternativno objašnjenje (lažno pozitivno), predložena terenska provjera. Tvrdnja o sigurnosti. Podaci: [indeksi]
3) Odvajanje linija/rasjeda:
Razmotrite popis linearnosti u nastavku. Navedite moguće izvore za svaki: rasjed, granica ploče, nasip, drenaža, ljudska struktura (cesta/linija/njiva), granica vegetacije. Navedite najvjerojatnije podrijetlo s geološkim kontekstom, ali izostavite jedinu mogućnost. Popis: [linearnosti + kontekst]
4) Plan verifikacijske točke:
Predložite plan provjere na terenu za sljedeću kartu alteracije/litologije: - Koliko točaka uzorkovanja za svaku klasu, zašto. - Uravnoteženo uzorkovanje "određenih" i "upitnih" zona. - Napomena o pristupu i sigurnosti. Sažetak karte: [razredi i područja]
Vrsta slike i područje uporabe
Vrsta podataka
Koje mjere
Njegova je snaga
granica
Multispektralno (Sentinel/Landsat)
širokopojasne mreže
Gruba litologija, regionalno skeniranje
Odvajanje minerala je ograničeno
hiperspektralni
Stotine uskih traka
Razlika između minerala i alteracije
Trošak, režijski troškovi obrade
DEM (visina)
topografija
Rasjed/lineament, drenaža
Litologija ne daje
toplinski infracrveni
temperatura površine
Neki silikat/karbonat
osjetljiv na atmosferu
Radar (SAR)
Površinska hrapavost/deformacija
Ispod oblaka, slijeganje/klizište
Tumačenje je komplicirano
Savjet: Koristite izlaz daljinskog očitavanja kao "skeniranje lokacije s prioritetom", a ne kao "kartu bušenja". Njegova najveća vrijednost je u tome što vam govori kamo prvo ići; Dokazi na terenu i inženjer odlučuju gdje bušiti.
Oprez: čak i najnaprednija klasifikacija proizvodi sustavne pogreške ako je prethodna obrada (atmosferska i topografska korekcija, maskiranje) izostavljena. U slučaju "izlaz je čudan" prvo upitajte pretprocesiranje, a ne model. Princip smeće unutra, smeće van ovdje je nemilosrdan.
Uobičajene greške
- Preskakanje predobrade. Zamjena anomalija iz neispravljenih slika za stvarnu geologiju.
- Zaboravljamo lažno pozitivne rezultate. Zamijeniti biljke, sjenu, vlažnost tla i ljudske strukture kao promjene/greške.
- Potpisivanje bez temeljne istine. Temeljenje odluke o bušenju na karti slike bez provjere na terenu.
- Iluzija razmjera. Zaboravljanje veličine piksela i ignoriranje činjenice da su fine strukture izgubljene ili pomiješani pikseli dovodi u zabludu.
- Ignoriranje obrazovne pristranosti. Slijepa primjena modela obučenog u drugoj regiji na polje s drugačijom litologijom.
Ukratko
- Daljinsko očitavanje mjeri spektralni potpis minerala na različitim valnim duljinama; Razlikuje multispektralno grubo i hiperspektralno fino.
- Umjetna inteligencija klasificira ove visokodimenzionalne podatke i izdvaja grešku/linearnost iz geometrijskih uzoraka; ali proizvodi lažno pozitivne rezultate, pristranost pri treniranju i pristranost ljestvice.
- Predobrada (atmosferska/topografska korekcija, maskiranje) određuje kvalitetu rezultata; Ako se izostavi, pojavit će se sustavna pogreška.
- Daljinsko očitavanje je alat za provjeru/određivanje prioriteta; Karta se ne smatra točnom ako nije testirana temeljnom istinom.
- Temeljna istina uvijek pobjeđuje; Verifikacijske točke trebaju pokrivati i određene i sumnjive zone na uravnotežen način.
Zadatak aplikacije
Anonimizirajte vrijednosti spektralnog indeksa/pojasnog omjera ili popis DEM lineamenta koji imate za radno mjesto (ili područje otvorenih podataka). Protumačite moguće zone promjena ili kvarove pomoću snažnog odzivnika i neka model predloži barem jedan lažno pozitivan izvor za svaku zonu. Zatim izradite plan kontrole mjesta s predloškom "plana točke provjere"; U jednoj rečenici zabilježite koliko je točaka podijeljeno u "sumnjive" zone i zašto provodite uravnoteženo uzorkovanje.
popis za provjeru
- [ ] Mogu razlikovati što multispektralni i hiperspektralni podaci mjere i za što se koriste.
- [ ] Znam kako koraci pretprocesiranja (obrezivanje, maskiranje) utječu na rezultat.
- [ ] Preispitujem izvore lažno pozitivnih rezultata (vegetacija, sjena, umjetnost) u izlaznim podacima promjena/kvarova.
- [ ] Na kartu daljinskog istraživanja gledam kao na alat za skeniranje i testiram je provjerom terena.
- [ ] Mogu planirati verifikacijske točke kako bih uravnotežio određene i sumnjive zone.