Hagnaður:
- Að skilja rökfræði AI-studdrar uppgötvunar á útbreiðslu þéttbýlis, byggingar og landþekjubreytinga með fjarkönnun og gervihnattamyndum.
- Geta til að meta myndflokkun á gagnrýninn hátt og breyta uppgötvunarútgangi með nákvæmni, upplausn og dagsetningarupplýsingum
- Geta til að skilja að mörkin sem gervigreind dregur út úr myndinni verða að vera staðfest af vettvangi og opinberum gögnum og geta ekki verið lögleg sönnunargögn.
Það er ómögulegt að fara á völlinn einn af öðrum til að sjá hvar, hversu mikið og hversu hratt borg hefur vaxið á síðasta áratug. Þess í stað nota skipuleggjendur fjarkönnun (mynda jörðina með gervihnöttum og flugvélum og draga út gögn). Með því að bera saman gervihnattamyndir frá mismunandi dagsetningum er hægt að greina nýbyggingar, glatað landbúnaðarland, stækka ólöglegar framkvæmdir eða minnkandi grænt svæði. Gervigreind er öflugur hraðall til að flokka þessar myndir (merkir hvern pixla sem „bygging“, „plöntu,“ „vatn“ o.s.frv.) og greina breytingar á milli tveggja dagsetninga. En myndgreining er full af upplausn, dagsetningu, skugga, skýi og flokkunarvillum. „Breyting“ á því að gervigreindarfánarnir gætu verið skuggi, árstíðabundinn munur eða villa. Því er ekki hægt að leggja neina ályktun af myndinni til grundvallar málsókn án þess að vera staðfest af vettvangi og opinberum gögnum.
Grunnhugtök fjarkönnunar
Upplausn: Svæðið sem er upptekið af pixli á jörðu niðri. Við 10 metra upplausn táknar einn pixel 10x10 metra; Lítil aukabygging sést ekki. Há upplausn (t.d. 0,3-1 metri) þýðir meiri smáatriði en dýrari og sjaldnar gögn.
Litrófsband: Gervihnettir taka einnig upp ljós sem augað getur ekki séð (svo sem innrauða). Gróður glóir í innrauða; þetta gerir það auðveldara að aðskilja plöntuna frá uppbyggingunni. Vísitölur eins og NDVI (einföld reiknivél sem mælir þrótt plantna) eru algengar í ræktunarsporum.
Dagsetning og árstíð: Ef tvær myndir eru á mismunandi árstíðum, getur fækkunin á grænu ekki verið "tap" heldur komu vetrar. Samhljómur dagsetningar og árstíðar er nauðsynlegur í samanburði.
Nákvæmni: Gildið sem mælir hversu nákvæm flokkunin er. „85 prósent nákvæmni“ þýðir að einn af hverjum sex pixlum gæti verið ranglega merktur; Þetta er veruleg skekkjumörk fyrir endurskoðunarferli.
Athugið: Mannvirki sem AI greinir frá gervihnattamynd er í sjálfu sér ekki sönnun um ólöglegt mannvirki. Skuggi, upplausn, dagsetning og flokkunarvilla framleiða rangar jákvæðar. Skoðun og fullnustu krefst ávallt lóðareftirlits, eignarréttar/leyfisskráningar og opinberrar mælingar.
Stærsta gildið sem ókeypis og opin gervihnattagögn (heimildir eins og Sentinel í Evrópu og Landsat forrit í Bandaríkjunum) hafa í för með sér við skipulagningu er söguleg tímaröð: þú hefur aðgang að tugum mynda af sama svæði sem spannar mörg ár. Þetta gerir þér kleift að fara út fyrir einn „fyrir/eftir“ samanburð og sjá útbreiðsluhraða hverfis, árstíðabundnar sveiflur og þróun. AI er gagnlegt við að draga saman þessar löngu seríur og aðgreina þýðingarmikið breytingamynstur frá hávaða. En sama regla gildir í tímaröðum: sama hversu skýr stefna virðist, þá er það upplausn myndanna, skýjahraði og árstíðarsveifla sem ræður úrslitum; Engin þróun getur talist áreiðanleg án þess að greina frá þessum þremur þáttum.
Rökfræði breytingagreiningar
Það eru nokkrar leiðir til að bera saman tvær dagsettar myndir: flokka báðar dagsetningar og bera saman flokka, fá vísitölumun (t.d. NDVI mismun) eða framleiða beint „breytt/óbreytt“ kort með gervigreindarlíkaninu. Niðurstaðan er kort af breytingum: hvar er nýja skipulagið, hvar er álverið glatað. Þetta kort er ómetanlegt sem bráðabirgðaskimun - það segir skipuleggjanda að "kíkja þarna yfir." En hvert merki er sérstaklega sannreynt hvort um raunverulega breytingu eða villa er að ræða.
Skref fyrir skref: Breytingagreining með gervigreind
- Skilgreindu spurninguna. „Hvar er nýbyggingin á [svæðinu] milli 2018 og 2024?
- Veldu mynd. Svipuð árstíð, ásættanleg upplausn, lágt ský.
- Forvinnsla. Komdu með það í sama CRS, stilltu, notaðu skýja-/skuggagrímu.
- Flokka/bera saman. Búðu til bekk eða breyttu korti með gervigreind.
- Metið nákvæmni. Mældu nákvæmni með þekktum viðmiðunarpunktum.
- Staðfesting á reit og skráningu. Athugaðu merktar breytingar með eignarréttarbréfi/leyfi og síðu ef þörf krefur.
- Skýrslutakmörk. Skrifaðu skýrt dagsetningu, upplausn, nákvæmni og skekkjumörk.
Veik kvaðning / Sterk kvaðning
Veik kvaðning: "Segðu mér hvað breyttist frá þessum tveimur myndum."
AI framleiðir fallegan en óvissu nákvæman lista; Þú gætir haldið að munurinn á skugga og árstíð sé raunveruleg breyting.
Sterk tilvitnun: "Ég er að bera saman flokkuð landþekjugögn frá tveimur dagsetningum (júlí 2018 / júlí 2024, sama árstíð, 10 m upplausn). Þegar greint er frá breytingagreiningu, tilgreinið skýrt: hvaða breytingar geta verið rangar jákvæðar vegna skugga/árstíðar/upplausnar, hvaða ákvarðanir krefjast vettvangssannprófunar og hvernig nákvæmni ætti að vera mæld með 'ekki staðfesta hverja staðhæfingu."'.
Önnur vísbendingin neyðir gervigreindina til að koma skýrt á framfæri við óvissu og villuuppsprettur.
Fjögur afritanleg sniðmát
Verkefni: Metið á gagnrýninn hátt eftirfarandi breytingaskynjunarúttak. Listaðu mögulegar villuheimildir fyrir hverja uppgötvun: skuggi, ský, árstíð, upplausn, flokkunarvilla. Bæta við athugasemd „Staðfesting reits krafist“. Ekki fella endanlega dóma. Niðurstöður / dagsetning / úrlausn: [...]
Verkefni: Skrifaðu gátlista yfir myndvalsskilyrði fyrir þéttbýlisbreytingagreiningu: árstíðarsveiflu, upplausn, skýjahraða, tímabil, CRS. Búðu til spurningar til að spyrja hvort myndirnar sem ég hef uppfylli þessi skilyrði. Upplýsingar um mynd: [...]
Verkefni: DRÖG skýrslu úr eftirfarandi niðurstöðum breytingagreiningar. Tilgreinið skýrt upplausn, dagsetningu, nákvæmni og skekkjumörk í hverri niðurstöðu. Rammaðu niðurstöðurnar sem „forskimun“; Leggðu áherslu á að staðfesting á sviði og opinberri skráningu er nauðsynleg fyrir skoðun/viðurlög. Niðurstöður: [...]
Verkefni: Leggðu til einfalda leið til að meta nákvæmni flokkunar: hversu margir viðmiðunarpunktar, hvernig á að velja, hvernig á að reikna út nákvæmni (látlaus skýring). Hvaða sannleiksyfirlýsing ætti að skrifa í skýrsluna, dæmi.Samhengi: [...]
Tafla: gagnategund og notkun
Gögn
upplausn
sterkur punktur
takmörk
gervihnöttur í meðalupplausn
10-30m
Frjáls, tíð, breitt svæði
Vantar litla uppbyggingu
gervihnöttur í mikilli upplausn
0,3-1m
Ítarleg uppgötvun uppbyggingar
Dýr, dreifð, skýjaáhætta
Loftmynd / orthophoto
0,1-0,3m
Mjög ítarlegt, formlegt
Uppfærslutíðni er lág
UAV (dróni)
cm stigi
Augnablik, mjög ítarlegt
Lítið rými, leyfi/lög
þrjú smámál
Tilfelli 1 - Skuggablekking. Sveitarfélag sér „nýbyggingar“ skilti í hverfi á AI breytingakortinu. Vallarliðið fer; Flest skiltin eru langir byggingarskuggar á síðdegismyndinni. Raunverulegur fjöldi nýbygginga er helmingi minni. AI hafði forskimað, en ef það var notað án staðfestingar myndi það framleiða rangar mínútur.
Tilfelli 2 - Sleppa lítið mannvirki. Skipuleggjandi reynir að fylgjast með litlum vöruhúsum í landbúnaði með ókeypis gervihnött með 10 metra upplausn. Þar sem vöruhúsin eru 6x8 metrar eru þau áfram undir einum pixla og sjást ekki. Skipuleggjandinn skiptir yfir í háupplausn réttstöðumynd fyrir raunverulega rakningu. Upplausn ræður því hvað sést.
Mál 3 — Gagnsæ skýrsla. Eitt teymi greinir 6 ára útbreiðslu svæðis og skrifar skýrt í skýrslunni að "uppgötvun er bráðabirgðaskönnun með 82 prósent nákvæmni; 47 stig bíða staðfestingar á vettvangi; mynddagsetningar og upplausn fylgja með." Þingið metur niðurstöðuna með réttu vægi. Að tilkynna óvissu frekar en að fela hana gerir greiningu áreiðanlega.
Algeng mistök
- Mistök uppgötvun sem sönnunargögn. Myndin er forskönnuð; Það krefst viðurlaga og opinberrar skráningar.
- Ósamræmi við árstíð/dagsetningu. Mismunandi árstíðabundnar myndir framleiða rangar breytingar.
- Hunsa upplausn. Lítil mannvirki eru ekki sýnileg við lága upplausn; Það er ekki "enginn".
- Misbrestur á að tilkynna nákvæmni. Að fela skekkjumörkin leiðir til rangra ákvarðana.
- Að gleyma skugga og skýi. Tvær algengustu uppsprettur rangra jákvæðra.
- CRS misræmi. Ójafnaðar myndir breytast á röngum stað.
Í stuttu máli
Gervihnatta- og loftmyndir eru öflugustu leiðirnar til að sjá breytingar í þéttbýli í mælikvarða og hraða; AI flýtir fyrir flokkun og breytingagreiningu. En upplausn ákvarðar hvað sést, árstíð og dagsetning ákvarða hvað er raunverulegt, skuggi og ský ákvarða hvað er falskt jákvætt. Nákvæmni skal alltaf mæla og greina frá. Mikilvægast: uppgötvunin frá myndinni er forskönnun; Vettvangseftirlit, eignarnámsskrá/leyfisskráning og opinber mæling eru nauðsynleg fyrir skoðun og viðurlög. Gervigreind flýtir fyrir sjón, ekki ákvarðanatöku.
Umsóknarverkefni
Íhugaðu par af myndum (eða atburðarás) með tveimur mismunandi dagsetningum. (1) Athugaðu forsendur myndvals með öðru sniðmátinu: árstíð, upplausn, passar skýið? (2) Gerðu ráð fyrir lista yfir breytingagreiningar og dragðu út mögulegar villuuppsprettur fyrir hverja uppgötvun með upphaflegu sniðmátinu. (3) Búðu til drög að skýrslu með þriðja sniðmátinu og bættu við nákvæmni og skekkjumörkum. (4) Skrifaðu niður hvaða ákvarðanir munu krefjast staðfestingar á vettvangi og hvernig þú munt gera þetta.
gátlisti
- [ ] Ég athugaði árstíð, dagsetningu og samhæfni myndanna.
- [ ] Ég stillti myndirnar við sama CRS; Ég tók ský-/skuggamaskann til greina.
- [ ] Ég tók breytingum sem bráðabirgðaskimun, ekki sem sönnunargögn.
- [ ] Ég met og greindi frá flokkunarnákvæmni.
- Ég staðfesti breytingarnar merktar [ ] með sviði og opinberum gögnum.
- [ ] Ég tók fram hvað upplausnarmörkin gætu misst af.
- [ ] Ég skrifaði skýrt dagsetningu, úrlausn og skekkjumörk í skýrsluna.