利益:
- 人工知能を使用して衛星、航空写真、LiDAR データの異常をスキャンし、地形確認が必要な候補として各標識を評価する機能
- 植物、土壌、影の痕跡の季節的および条件的依存性と、自然/現代の誤検知がどのように排除されるかを理解します。
- 機密性の高いサイトの場所を略奪から保護し、放送でぼかしておく必要がある理由を適用する能力
考古学における最もエキサイティングな発展の 1 つは、地面を掘らずに地下および地表の痕跡を見ることができるようになったことです。リモート センシング (物理的に触れることなく、衛星、航空機、またはドローンの画像を使用してエリアを調査する方法) は、広いエリアをスキャンし、可能性のある場所 (考古学的遺跡のある場所) を検出するための最も強力なツールです。この単元では、AI が衛星画像、航空写真、LiDAR データに異常 (人為的である可能性のある周囲とは異なる軌跡) をマークする方法と、各マークを現場で確認する必要がある理由を学びます。
基本原理：AIは広範囲に「ここを見てください」と指示するスキャン＆ポインティングアシスタントです。 「ここが本当に敷地である」という判断は、土地管理と専門家によって行われます。リモートセンシングでは、AI によってマークされたすべてのポイントは仮説であり、発見ではありません。
リモートセンシングの種類
衛星写真と航空写真。埋設された構造物は、その上の土壌と植生の成長に差をもたらします。壁の上の作物は弱くなり、溝の上ではより茂みます。これらはクロップマークと呼ばれます。 NDVI (植生の健康状態を測定する指標。赤外線を使用して植物の活力を定量化する) は、これらの違いを強調します。 AI は、大きな画像内のこれらの微妙な違いを人間よりも速くスキャンします。
ライダー。 LiDAR (Light Detection and Ranging — 航空機から地上にレーザーを発射し、その戻り時間を測定することで、地表の非常に正確な 3D 標高マップを作成するテクノロジー) は、最も革新的なツールです。その特徴は、レーザーが木々を通って地面に届くことです。したがって、植生を数値的に「剥がす」と、森林の下にある塚、段丘、道路、建物の基礎が明らかになります。 AI は、この標高データの凹凸、窪み、滑らかな幾何学的形状をマークします。
地球物理学 (補足)。地中レーダー (GPR) や磁気測量などの方法は、地表直下を観察します。 AI は、このデータ内の異常パターンの検索にも役立ちます。
AIによるサイト検出手順
- データの準備。画像は座標系に適合し (地理参照)、影とコントラストが補正されます。 LiDAR では、植生がフィルタリングされて除去され、「裸地モデル」が生成されます。
- 異常スキャン。 AI は、人工的に作られた可能性のある滑らかな形状 (円形の塚、長方形の構造物、直線的な溝/道路) をマークします。
- 排除。兆候のほとんどは自然のものです (地質学的、農業的、現代的)。専門家は明らかに自然で現代的なものを排除します。
- 優先順位付け。残りの候補点は、コンテキストと既知のサイト分布によって優先順位が付けられます。
- 土地確認。優先ポイントは、現場で地表調査と必要に応じて掘削によって確認されます。確認なしに「座る」と宣言されることはありません。
ヒント: AI の兆候は常に「誤検知率が高い候補のリスト」として捉えてください。目的は、フィールド内で訪問する場所をインテリジェントに絞り込むことです。発見を発表しないこと。シーズン中に 200 ランド ポイントが 30 ポイントに減るのは大きなメリットです。
機密性の高い場所: 重要なプライバシー
サイト検出における最も深刻な倫理的およびセキュリティ上の問題は、位置の機密性です。新たに特定された保護されていない遺跡の正確な座標は、不法採掘者や宝物探求者の直接の標的となります。したがって:
- 正確な座標が確認されていない公共の AI 車両には進入しないでください。
- ブロードキャストやプレゼンテーションで機密性の高い場所の位置をぼかします (一般的なエリアを指定し、GPS は使用しません)。
- データを組織の安全なシステムに保管し、アクセスを制限します。
注意: 「地図を描いてもらうだけです」と言って、サイトの座標を公共サービスに貼り付けると、そのサイトが略奪にさらされる可能性があります。位置データは、発見物そのものと同様に保護する必要がある資産です。
ミニケース3個
ケース 1 — スキャンにより領域が狭まりました。調査プロジェクトでは、500 km² のエリアを調査します。 AI を活用した LiDAR 分析により、森林の下にある可能性のある 120 個の塚がマークされました。エキスパートによる排除の後、38 の優先枠が残ります。これらのうち 11 個は、実際の考古学的建造物であることが現場で発見されました。 AI は、数か月にわたる盲目的な検索を目標のシーズンに凝縮しました。
ケース 2 — 誤検知が教訓でした。チームがAIによってマークされた滑らかな円形の傷跡を「丘」と宣言する準備を興奮して進めていた一方で、専門の地質学者はそれが自然の窪地（ドリン）であることを示しました。土地の確認なしに発言すると評判を失う可能性があります。教訓: AI は原点の解釈ではなく、幾何学を認識します。
ケース 3 — 位置情報の漏洩を防止します。学生は、新しく見つけたサイトの座標を含む画像を公開ツールにアップロードします。カウンセラーは立ち止まりました。その地域はまだ無防備だった。画像は座標情報が削除され、安全なシステム内でのみ処理されました。
コピー可能な 4 つのテンプレート
1) 異常スキャンフレーム:
あなたの役割: リモート センシング分析アシスタント。裸地（LiDAR 由来）の標高画像/データを提供します。人工的に作られた可能性のある滑らかな形状 (円形、長方形、直線) にマークを付けます。それぞれについて、その場所、形式、および注目すべき理由を書き留めます。各兆候について、自然的または現代的な説明の可能性も示します。決定的に「座る」と宣言しないでください。
2) 誤検知の排除:
以下はAIがマークした候補点のリストです。それぞれについて、地形チェックの前に除外できる自然および現代の説明 (地質学的形成、農業の痕跡、道路、建物の基礎) をリストします。残りの「本当に曖昧な」候補を個別にリストします。
3) 土地管理計画:
私の最有力候補スポットは [リスト] です。ポイントごとに、現場で確認する際に注意すべき指標（表面の所見、地形、土壌の色、石の密度）と、安全/倫理的な現場のルール（許可、場所の秘密保持）を含むチェックリストが表示されます。
4) ブロードキャストのための位置のぼかし:
出版物/プレゼンテーション用に次のサイト情報を準備する場合、正確な場所を明かさずにそれをどのように説明するかを提案してください。一般化のレベル (州/地域) と、どの情報を省略する必要があるかをリストします。目標は、科学的な透明性と腐敗からの保護のバランスです。
弱いプロンプト / 強いプロンプト
弱いプロンプト:
この衛星画像には遺跡がありますか?その座標を与えてください。
AI は自然なトレースを「座っている」と宣言し、自信を持って座標を適合させることができます。これは科学的観点からも安全保障上の観点からも危険です。
強力なプロンプト:
あなたの役割: リモート センシング アシスタント。この画像内で人工的に作られた可能性がある滑らかな幾何学模様のマークをマークしてください。それぞれの痕跡について: (a) その形状、(b) それが注目に値する理由、(c) 自然/現代の代替説明。これらはフィールド上でのみチェックされる候補です。 「座る」と宣言しないでください。正確な座標を生成し、相対位置を記述します。
違い: 1 つ目はディスカバリーを宣言します。後者は、検証される候補者の安全なリストを生成します。
画像の種類と季節の効果
リモート センシングでは、画像が「常に」機能するとは限りません。正しい軌道を見るには、正しい条件が必要です。クロップマークは、作物が水分ストレスにさらされている乾燥期に最もよく現れます。埋もれた壁の上の土壌は水分を保持する量が少ないため、そこでの作物は早く黄色くなり、上から線のように見えます。湿気の多い春の画像では、同じ痕跡がまったく表示されない場合があります。畑を耕した後、さまざまな色の土が表面に現れると、ソイルマークが表示されます。一方、シャドウ マークは、朝または夕方の低い太陽の下で、長い影を伴う軽い隆起やポットホールを明らかにします。したがって、単一の画像ではなく、季節や時間の異なる多数の画像を使用して領域を評価する必要があります。 AI はこの複数回の比較を加速します。
LiDAR の利点は、この条件依存性を大幅に克服できることです。表面の地形を直接測定するため、植生の季節にあまり依存せず、森林の下層を観察できます。ただし、LiDAR で「裸地モデル」を作成する場合、植物フィルターが強すぎると実際の凹凸が消去される可能性があり、柔らかすぎると木を構造物と誤認する可能性があります。これらのフィルターの決定には専門家の監督が必要です。
ヒント: エリアを評価するときは、「どの季節に、いつ、どのような方法で?」と尋ねます。常に質問してください。 1 つの画像に痕跡がない場合でも、サイトが存在しないことを意味するわけではありません。もしかしたら、間違った状態で見ているのかもしれません。
方式比較表
方法
何が見えるのか
AIの貢献
境界線
衛星/航空写真
植物/土壌の痕跡
広域スキャン
季節、決意
NDVI
植物の勢いの違い
傷跡の強調表示
自然の違いを混同する
ライダー
表面トポグラフィー
森林の下層構造
プラントフィルターエラー
地球物理学 (GPR/磁気)
地下構造
異常パターン
ローカル、遅い
よくある間違い
- 異常を発見と間違える。サインは候補です。土地の確認がなければ敷地ではありません。
- 自然/現代の痕跡を排除しない。ドリン、農業の傷跡、パイプが「構造物」として頻繁に登場します。
- オープン車両に正確な座標を与えます。略奪の危険性。場所は保護されなければならない資産です。
- 単一のイメージに依存します。異なる季節、異なる方法、地形がなければ解釈は不完全です。
- 偽陽性率のことは忘れてください。ほとんどの標識は空のままです。これは正常であり、目的が狭まっています。
要約すると
リモートセンシングでは、AI により広いエリアをスキャンし、可能性のある場所をマークする時間が大幅に節約されます。しかし、すべての兆候は仮説であり、現場で確認する必要があります。自然と現代の痕跡は注意深く排除されています。そして最も重要なことは、機密性の高い場所が略奪から保護されることです。 AIは「ここを見てください」と言います。 「この場所が守られるかどうか」を決めるのはその土地と専門家です。
アプリケーションタスク
オープンアクセスの LiDAR または衛星画像 (自分の地域またはサンプル データセットから) を選択します。 AI に「異常スキャン」テンプレートを使用して考えられるジオメトリにフラグを付けさせ、次に「誤検知の除去」テンプレートを使用して自然/現代的な説明を除去します。残りの候補者のための土地管理計画の草案を作成し、位置の機密保持に関するメモを含めます。
チェックリスト
- [ ] 私は AI シグナルを発見ではなく「候補」であると考えました。
- [ ] 自然と現代の痕跡を排除しようとしました。
- [ ] 優先候補地の土地確認を計画しました。
- [ ] デリケートな場所をオープンカーの外に残し、放送内でぼかしました。
- [ ] 偽陽性率が高い可能性があることを考慮しました。