Uru:
- Ikike ịkọwa otu esi eji data satịlaịtị multispectral, ngwakọta band na spectral indices (NDVI wdg) na-eji AI.
- Ikike ịhazi nhazi ọkwa na-elekọta/nlekọtaghị anya yana ọrụ mkpuchi mkpuchi ala na nkwado AI
- Ikike iji nwalee mmepụta nhazi ọkwa na eziokwu ala na njehie matriks / nke ziri ezi
Nhụta anya bụ sayensị nke ịlele elu ụwa na-enweghị mmetụ anụ ahụ, yana ihe mmetụta na satịlaịtị ma ọ bụ ikpo okwu ikuku. Onyonyo satịlaịtị abụghị n'ezie foto, mana nchịkọta nke nha nha nke edere n'ọtụtụ wavelengths, yana site na iji ọgụgụ isi na-ejikọta ọkwa ndị a, enwere ike ịdepụta ihe mkpuchi ala (ọhịa, mmiri, ọrụ ugbo, ihe owuwu). N'ime nkeji a, anyị na-ekpuchi ka ọgụgụ isi na-eme ka usoro ọrụ a dịkwuo elu, site na data multispectral ruo na nhazi mkpuchi ala, yana ebe ikpe ndị ọkachamara dị mkpa. Ụkpụrụ: AI na-emepụta ma ọ bụ koodu nhazi ọkwa; A na-atụle izi ezi nke maapụ ahụ n'ime injinia site na eziokwu n'ala kwụụrụ onwe ya na matriks njehie.
Okwu ndị bụ isi. Onyonyo multispectral bụ nke edere n'ọtụtụ eriri ebili mmiri (acha anụnụ anụnụ, akwụkwọ ndụ akwụkwọ ndụ, ọbara ọbara, nso infrared, wdg); nke ọ bụla gbalaga bụ oyi akwa. Hyperspectral bara ụba nke ukwuu mana ọ siri ike ịhazi data, nwere ọtụtụ iri na narị narị eriri warara. Spectral index bụ ọnụọgụ na-eme ka ihe pụta ìhè site na nchikota mgbakọ na mwepụ nke ìgwè; Nke kacha mara amara, NDVI (Normalized Difference Vegetation Index), na-atụ ike ahịhịa ndụ ndụ na-eji ọdịiche dị n'etiti infrared dị nso na eriri uhie. Nhazi nke a na-ahụ maka ya gụnyere ịzụ ihe nlereanya ahụ site na mpaghara nlele akara tupu akara yana ịhazi onyonyo niile. Nkewa na-enweghị nlekọta bụ nchịkọta data dabere na myirịta na-enweghị akara yana ịtụgharị ya ma emechaa.
Ọrụ AI na Sensing Remote
Ọgụgụ isi na-enye aka na ngalaba a na ọkwa atọ:
- Nhọrọ nke ọrụ na usoro. "Olee ìgwè, nke index, nke classifier kwesịrị ekwesị maka ajụjụ a?" na-eduzi gị na mkpebi gị; na-emepụta skeleton koodu.
- Nkewa n'onwe ya. Ụdị mmụta miri emi nke oge a na-ahazi nde pikselụ n'ime klas mkpuchi ala; Nke a bụ mpaghara ntinye aka dị elu nke AI na-arụ ọrụ n'ezie.
- Nkọwapụta na mkpesa. Ọ na-edegharị ọnụ ọgụgụ klaasị, nyocha mgbanwe na akụkọ ziri ezi n'ime ederede enwere ike ịgụ.
Ebe kpuru ìsì: ihe nlereanya ahụ dabere na data a zụrụ ya na ihe atụ ndị ị na-enye. Onyunyo ígwé ojii na mmiri, ala tọgbọrọ chakoo na ubi mgbe owuwe ihe ubi gasịrị, mmiri na-emighị emi na ala mmiri na-agwakọta ngwa ngwa. Ya mere, map nkewa abụghị eziokwu naanị n'ihi na ọ mara mma; a ga-atụle izi ezi.
Ndụmọdụ: Kọwaa ajụjụ gị tupu ịmalite nhazi. "Kwapụta ihe mkpuchi ala" edoghị anya; "Map na-efunahụ ala ugbo na-akwado maka owuwu n'etiti 2020-2025" na-ekpebi ma klaasị ahụ yana akara nkwenye.
Nzọụkwụ site nzọụkwụ: Nhazi nke mkpuchi ala
- Kwadebe data na teepu. Kwado mkpuchi igwe ojii nke onyonyo a, ụbọchị agbapụ, mkpebi (nha pikselụ), yana usoro band. Ụbọchị/oge dị iche iche na-agbanwe klaasị.
- Kọwaa ihe nhazi klas. Klas ole, nke ndị (mmiri, ọhịa, ugbo, ihe owuwu, ala tọgbọrọ chakoo)? klaasị ole na ole nwere ike ịpụ iche bụ ndị a pụrụ ịdabere na ya.
- Gbakọọ indices. Indices dị ka NDVI (osisi), NDWI (mmiri) na-amata klaasị; na-aghọ ntinye na classifier.
- Chịkọta ihe atụ ọzụzụ (maka ndị na-elekọta). Ihe atụ polygon kwadoro site na nkwenye ala maka klaasị ọ bụla. Ogo nlele na-ekpebi izi ezi.
- Hazie na nyochaa. Zụlite ihe nlereanya ahụ, wee wuo matriks njehie site na iji nlele onwe (anaghị azụta) wee gbakọọ izi ezi na Kappa n'ozuzu ya.
Eziokwu Ground na Error Matrix
A naghị atụle izi ezi nke nhazi ọkwa site na nleba anya anya. Eziokwu ala bụ ihe atụ nọọrọ onwe ya nke ezigbo klaasị ama ama n'ọhịa ma ọ bụ n'isi mmalite dị elu nwere ntụkwasị obi. Site na ihe atụ ndị a, a na-emepụta matrix mgbagwoju anya: a na-agụta ugboro ole klaasị ọ bụla ziri ezi na ugboro ole ọ na-enwe mgbagwoju anya na nke klas. Site na nke a, a na-agbakọ izi ezi n'ozuzu (oke nkewa nke ọma) na Kappa (ihe nkwekọrịta nke na-edozi maka mmetụta nke ohere). Na mgbakwunye, a na-akọ izi ezi onye nrụpụta (ego ole ejidere na klaasị ahụ) yana izi ezi onye ọrụ (otu klaasị ahụ si bụrụ ntụkwasị obi) na-akọ na klaasị.
Akpachara anya: Ejila ihe atụ ndị ị na-eji maka ọzụzụ atụ atụta izi ezi. Ọ bụrụ na otu ihe atụ na-azụ ma nwalee, izi ezi na-aghọ artificially elu; Nke a bụ echiche efu. Nlereanya nkwado ga-enwerịrị onwe ya.
Obere Obere Atọ: Site na ọnụọgụ
Ikpe 1 - Ígwé ojii mgbaghara bụ mmiri. N'otu nhazi ọkwa, mgbe ihe nlereanya akpọrọ onyinyo igwe ojii dị ka "mmiri," ọdọ mmiri ahụ toro ebe ọ na-adịghị; izi ezi onye ọrụ nke klaasị mmiri gbadara 70%. Mgbe agbakwunyere ndeksi NDWI na nkpuchi igwe ojii, nnyonye anya ndò/mmiri belatara yana izi ezi mmiri mụbara karịa 90%.
Ikpe 2 - Akụkọ enwetara site na eziokwu ala. Nnyocha nyocha nke ọrụ ugbo kwuru na 82% zuru oke nke nhazi mbụ, mana nke a tụrụ ya na nlele ọzụzụ. Mgbe emegharịrị ya na isi 120 nọọrọ onwe ya, ezi n'ozuzu ya bụ 71%; Ọrụ ugbo na ala tọgbọrọ chakoo na-akpachi anya nke ukwuu. Site na ihe atụ ọzụzụ ndị ọzọ, emelitere nhazi ọkwa na izi ezi gbagoro ruo 84%. Ihe nkuzi: A na-atụ izi ezi site na nlele nke onwe.
Ikpe 3 - Ọnyà oge. Mgbe a na-agwakọta ihe oyiyi ndị e sere na ụbọchị abụọ dị iche iche (mmiri na mbubreyo okpomọkụ) ọnụ, ubi ndị a na-egbute na-atụgharị gaa na klas "ala efu" na mpaghara ọrụ ugbo yiri ka ọ dị pasent 15 na-efu. Nsonaazụ ahụ dị mma mgbe ahọpụtara onyonyo site n'otu oge ahụ wee nweta nkwekọ phenological.
Ngwa ngwa adịghị ike / Ike ngwa ngwa
Ngwa ngwa adịghị ike:
Hazie onyonyo satịlaịtị a.
Mgbasa ozi siri ike:
Ọrụ: wuo a ala cover classification workflow (gụnyere Python/rastero + scikit-amụta koodu skeleton) .Context: - Sensor: 4 bands (acha anụnụ anụnụ, green, red, NIR), 10 m mkpebi- Klas: mmiri, ọhịa, ugbo, ewu, bare_ground- Nzube: ugbu a ala cover map + WI nke na-achọsi ike (VI) tinye na ihe mere dee.2) Depụta usoro nhazi ọkwa ndị a na-elekọta; Mesie ike na ọzụzụ na ihe nlele VALIDATION kwesịrị ịbụ SEPARATE.3) Tinye matrix njehie + n'ozuzu ya ziri ezi + Kappa ngụkọta oge na skeleton koodu.4) Rịba ama ihe ize ndụ nke ígwé ojii / onyinyo na mgbagwoju anya oge.
Ngwa ngwa siri ike na-akọwapụta nhazi klaasị, mkpebi, echiche index, na nkwado nkwado; mmepụta na-aghọ ihe atụ.
Ndebiri anọ enwere ike iṅomi
1) Usoro/Nhọrọ index:
Kedu usoro nleba anya na nhazi ọkwa ị ga-akwado maka ebumnuche [ebumnobi] na ihe mmetụta [band/ mkpebi]? Maka nhọrọ ọ bụla, dee ihe kpatara ya na ihe ize ndụ nke mgbagwoju anya (nke klaasị yiri ibe ya).
2) Ọkpụkpụ koodu nhazi ọkwa:
Jiri Rastero + scikit dee usoro nhazi a na-elekọta: agụ teepu, ngụkọ ndenye aha, NKEwa nke ọzụzụ/ sample nkwado, nhazi ọkwa, matrix njehie na mmepụta ziri ezi. Jikwaa CRS; kọwaa.
3) Nhazi nleba anya nke ọma:
Dee atụmatụ iji nyochaa izi ezi nhazi ọkwa: imewe ihe nlere nke eziokwu groundtruth nọọrọ onwe ya, matriks njehie, izizi zuru oke, Kappa, izi ezi onye nrụpụta/onye ọrụ site na klaasị. Kọwaa ihe metrik ọ bụla na-ekwu.
4) Nchọpụta nnyonye anya:
Kọwaa matrix njehie dị n'okpuru: kedu klaasị na-egbochi ibe ha, kedu ihe nwere ike ime spectral / oge, kedu data ọzọ (index, mask, date) ga-ebelata mgbagwoju anya? Matrix: [njehie matrix]
Ntụnyere echiche nhazi ọkwa
echiche
Pụtara
mgbe
na-elekọta
Ọzụzụ nwere ihe atụ akpọrọ
ekpebiela klaasị
Enweghị nlekọta
ụyọkọ enweghị akara
Nchọpụta, enweghị atụ
NDVI
osisi vitality index
Nkewa osisi / iferi / mmiri
NDWI
ndeksi mmiri
nkewa ahụ mmiri
Matrix mperi
Ọnụ ọgụgụ eziokwu/ụgha
nha ziri ezi
kpopa
Ohere emeziri dabara
Akụkọ ziri ezi ọkọlọtọ
Mmejọ ndị nkịtị
- Iji ihe atụ ọzụzụ na-atụ ziri ezi. Nnwale na-abụghị nke nnwere onwe na-enye oke ziri ezi n'ụzọ artificially.
- Nyefee maapụ ahụ na-enweghị atụ ọ bụla ziri ezi. "Ọ mara mma" abụghị ihe akaebe nke izi ezi.
- Na-amapụ ihe mkpuchi igwe ojii/onyinyo. Onyunyo na-agwakọta mmiri, igwe ojii na-agwakọta na snow/ihe owuwu.
- Na-agwakọta onyonyo oge/ụbọchị dị iche iche. Phenological iche iche na-agbanwe klaasị.
- Na-akọwa ọtụtụ klaasị na ndị yiri ya. Klas na-enweghị ike iche na-ebelata izi ezi.
- Na-eleghara mkpebi anya. Enweghị ike ịhazi obere ihe ma ọ bụrụ na ha pere mpe karịa otu pikselụ.
Na nchịkọta
Na nhụta anya, AI na-eme ka usoro ọrụ ahụ dị ngwa site na data multispectral gaa na nkewa mkpuchi ala ma nwee ike weghara ọtụtụ nhazi ahụ. Mana maapụ nhazi ọkwa bara uru naanị ma ọ bụrụ na atụtara izi ezi ya: ọ bụ ọkọlọtọ iji wuo matriks njehie yana ihe nlele eziokwu ala kwụụrụ onwe ya wee gbakọọ izizi na Kappa. Ígwé ojii/onyinyo, mgbanwe oge, na klaasị ndị yiri ya bụ isi mmalite nke ndabichi; Jikwaa ha na ndeksi, nkpuchi na ndezi ụbọchị. Ọ dịghị mgbe agwakọta ọzụzụ na nkwado sample.
Ọrụ ngwa
Họrọ ajụjụ mkpuchi ala (dịka "maapụ oghere akwụkwọ ndụ akwụkwọ ndụ obodo"). Dee usoro klaasị, band na indices ị ga-eji (opekata mpe NDVI). Mee ka AI mepụta usoro nhazi ọkwa na-elekọta; jide n'aka na ihe nlele ọzụzụ na nkwado dị iche iche yana matrix njehie + Kappa gụnyere na mmepụta. Mgbe ahụ, mee ndepụta "ihe ize ndụ nke mgbagwoju anya": nke klaasị abụọ yiri ya na otu esi agwa ha iche.
ndetu
- [] Edebere m klas ahụ obere na iche.
- [] M kwukwara spectral indices (NDVI/NDWI) dabara maka ebumnuche ahụ.
- [] Ekewapụrụ m ọzụzụ na ihe atụ nkwado.
- [ ] Anlere m nkpuchi igwe ojii/onyinyo yana nkwekọ oge.
- [ ] Eji m eziokwu ala kwụụrụ onwe ya tụọ ihe ziri ezi.
- [] Akọọrọ m matriks njehie ahụ, izizi zuru oke na Kappa.
- [ ] Achọpụtara m wee gwọọ ngwakọta klaasị.
- [ ] Enyere m ya n'aka onye injinia na maapụ ahụ ziri ezi maka iji ya eme ihe.