Табыстар:
- Сұраққа сәйкес спутниктік (кең аймақ) және сенсорлық (жергілікті) деректерді таңдау және бұлтты масканы қолдану арқылы NDVI сияқты индекстерді талдау мүмкіндігі
- IoT сенсорының деректерін калибрлеу және сапаны бақылау арқылы беру арқылы дрейф пен ақаулықты нақты сигналдан ажырату мүмкіндігі
- Мониторинг нәтижесін бір күнге емес, трендке негіздеу және ақиқат немесе тәуелсіз деректермен тексеру жоспарын құру мүмкіндігі
Қоршаған ортаны басқару үшін алдымен оны көру керек. Орманның қаншалықты кішірейгенін, өзеннің қаншалықты ластанғанын немесе нысанның қанша метан ағып жатқанын болжау арқылы емес, деректер арқылы білу керек. Қоршаған ортаның мониторингі – қоршаған ортаның жай-күйін тұрақты және қайталанатын өлшеу. Бұл бөлімде сіз екі үлкен деректер көзі - ғарыштан қарайтын спутниктер және даладағы сенсорлар - және осы ауқымды деректерді түсінудегі AI рөлі туралы білесіз.
Алдымен ұғымдар. Қашықтықтан зондтау дегеніміз – объектіге тимей-ақ қашықтықтан (спутниктен немесе ұшақтан) шағылған жарықты өлшеу арқылы ақпарат жинау. IoT сенсоры (Internet of Things) өріске орналастырылған шағын құрылғы және өлшенген мәнді (температура, ауа сапасы, су деңгейі) интернет арқылы автоматты түрде жібереді. Олар бірге қоршаған ортаның кең (спутниктік) және жергілікті (сенсорлық) суретін қамтамасыз етеді.
Спутниктік деректерді қалай оқуға болады?
Спутниктер жай ғана суретке түсірмейді; жарықтың әртүрлі толқын ұзындығын («жолақтар») өлшейді. Бұл жолақтардың математикалық комбинациясы көзге көрінбейтін нәрсені көрсетеді. Ең танымал мысал NDVI (Өсімдіктердің қалыпты айырмашылығының индексі) болып табылады: ол сау өсімдіктер инфрақызыл сәулелерді өте жақсы көрсететін принципке негізделген 0 мен 1 арасындағы санмен өсімдіктердің тығыздығын өлшейді. NDVI төмендеуі орманның жойылуын, құрғақшылықты немесе зақымдануды білдіруі мүмкін.
Ең кең тараған тегін және ашық спутниктік көздерге Sentinel (Еуропалық Коперник бағдарламасы) және Landsat (АҚШ) спутниктері жатады. Оларға Google Earth Engine сияқты платформалар арқылы немесе Python тілінде (rasterio, xarray сияқты кітапханалармен) қол жеткізуге болады.
Кеңес: Спутниктік деректердің ең үлкен жауы – бұлт. NDVI тамшысы шынымен орманның жоғалуы ма, әлде сол күні оның үстінде бұлт болды ма? Әрқашан бұлт маскасын қолданыңыз және талдаудан бұрын бірнеше күнді салыстырыңыз.
IoT сенсорының деректері және калибрлеу
Сенсорлар арзан және кең таралған, бірақ мінсіз емес. Құны төмен ауа сапасының сенсоры уақыт өте келе ағып кетеді, ылғалдылық әсер етеді немесе істен шығады. Сондықтан, оның өңделмеген түрінде сенсор деректер сенімсіз болып табылады; калибрлеу (белгілі анықтамалық құрылғымен салыстыру арқылы түзету) және сапаны бақылау маңызды.
Мұнда AI; Ол үлкен кескіндер мен уақыт қатарларының деректерін өңдеуге, аномалияларды (күтпеген ауытқуларды) сканерлеуге, жіктеу моделін құруға және қорытындыларды қорытындылауға код жазуда өте күшті. Бірақ өлшеудің физикалық шындығы калибрлеу шешіміне және «бұл сигнал шынайы ма әлде шу ма?» Деген сұраққа түседі. Түсіндіру сарапшыға тиесілі.
Қадамдық: бақылау талдауы
1. Сұрақты анықтаңыз. «Осы 10 мың гектар аумақта 2020-2024 жылдар аралығында өсімдік жамылғысы қалай өзгерді?» Айқын, кеңістіктік және уақытша сұрақ:
2. Деректер көзін таңдаңыз. Спутник (кең аймақ) немесе сенсор (жергілікті, үздіксіз)? Ажыратымдылық пен жиілік сұраққа сәйкес пе?
3. Алдын ала өңдеу. Бұлтты маска, калибрлеу, жетіспейтін деректерді белгілеу. Бұл қадамды өткізіп жіберсе, нәтиже жаңылыс болады.
4. Индекс/метриканы есептеңіз. NDVI, орташа температура, ластаушы заттардың концентрациясы.
5. Өзгеріс пен аномалияны табыңыз. Трендті талдау, табалдырықтан өту, кенеттен секіру.
6. Өріс арқылы тексеріңіз. Мүмкін болса, негізді шындықпен растаңыз; Далалық сапар немесе тәуелсіз деректермен спутниктік сигнал беріңіз.
үш шағын іс
1-жағдай – Бұлтқа түсу. Қоршаған ортаны қорғау жөніндегі үкіметтік емес ұйым бір айдың ішінде бір аймақта NDVI 40%-ға төмендегенін көргенде, «ормандардың кенеттен жойылуы» туралы дабыл қағуға шақ қалды. Сарапшы бұлт маскасын қолданып, көрші күндерге қараған кезде, ол сол күні кескіннің көп бөлігі бұлтты болғанын, ал келесі бұлтсыз суретте NDVI қалыпты жағдайға оралғанын көрді. Жалған дабылдың алдын алды. Жоғалған уақыт: 20 минут, алған беделі: баға жетпес.
2-жағдай — калибрленбеген сенсор. Муниципалитет арзан PM2.5 (2,5 микроннан аз бөлшектер — жұқа тыныс алатын шаң) датчиктерінің деректерімен «ауа тым ластанған» есебін дайындап жатқан. Сарапшы сенсорларды анықтамалық станциямен салыстырған кезде, олар жоғары ылғалдылықта мәнді екі есеге дейін асыра бағалайтынын анықтады. Ылғалдылықты түзету (калибрлеу) қолданылған кезде нақты мәндер пайда болды; Дүрбелең алдын алды.
3-жағдай — кодты автоматтандыру. Бір зерттеу тобы 200 спутниктік суреттен NDVI трендтерін алу үшін бірнеше апта бойы қолмен жұмыс істеуді жоспарлады. Оларда AI Google Earth Engine және Python кодымен автоматтандырылған жұмыс процесін жазады (бұлтты маска + ай сайынғы NDVI орташа + тренд графигі). 200 сурет үшін талдау бірнеше минутқа созылды; Команда өз уақытын нәтижені түсіндіруге арнады. Олар бәрібір кодтың әрбір қадамын тексерді.
Әлсіз шақыру / Күшті шақыру
Әлсіз шақыру:
Спутниктік деректерден ормандардың жойылуын табыңыз.
Неліктен бұл әлсіз: домен, күн ауқымы, деректер көзі, ажыратымдылық және бұлтты өңдеу жоқ. AI орындалатын талдауды емес, жалпы мәтінді ұсынады.
Күшті шақыру:
Сіздің рөліңіз: қашықтықтан зондтау талдаушысы. Sentinel-2 деректерімен [AREA шекарасы] үшін 2020-2024 айлық NDVI трендін есептейтін Python (Earth Engine) кодын жазыңыз. Қадамдар: (1) бұлттық масканы қолдану, (2) орташа айлық NDVI, (3) тренд диаграммасын сызу, (4) 20%-дан астам төмендеумен айларды белгілеу. Код орындалатын болсын; Әр қадамға түсініктеме беріңіз. Сондай-ақ деректердің шектеріне назар аударыңыз (разряд, бұлт).
Көшірілетін төрт үлгі
1) Спутниктік индексті талдау (кодпен):
Сіздің рөліңіз: қашықтықтан зондтау талдаушысы. [Sentinel-2/Landsat] деректерімен [AREA] үшін [NDVI/NDWI/басқа индексті] [DATE ауқымы] бойынша есептейтін орындалатын Python кодын жазыңыз. Бұлтты масканы қосуды ұмытпаңыз. Тренд пен ауытқуларды белгілеңіз. Түсініктемелерде деректердің ажыратымдылығы мен бұлттық шектеулерін көрсетіңіз.
2) Датчиктің уақыт қатарының сапасын бақылау:
Python көмегімен келесі сенсорлық уақыт сериясынан сапа мәселелерін іздеңіз: деректер жоқ, тұрып қалған мән, кенеттен секіру, дрейф, экстремалды. Әрбір мәселені уақыт белгісімен белгілеңіз. Деректерді өзгертпеңіз, тек есеп беріңіз. Мүмкіндігінше қарапайым калибрлеу ұсынысын қосыңыз. Деректер: [мұнда]
3) негізді шындықты тексеру схемасы:
Келесі жерсерікке негізделген анықтауды (мысалы, NDVI төмендеуі) өрісте қалай тексеруге болатыны туралы жоспарды ұсыныңыз: қай нүктелер, қай өлшем, қандай тәуелсіз деректер көзі. Сондай-ақ қорытынды жалған болуы мүмкін жағдайларды санаңыз (бұлт, жыл мезгілі, көлеңке). Табу: [мұнда]
4) Аномалия туралы қорытынды:
Төмендегі мониторинг деректерінен табылған ауытқуларды қоршаған ортаны қорғау менеджері үшін қарапайым тілмен қорытындылаңыз. Әрбір аномалия үшін: қайда, қашан, қанша ауытқу, мүмкін себептері және «тексеру қажет» ескертуі. Неліктен ол FITTING екеніне сенімді; мүмкіндігі ретінде көрсетіңіз. Деректер: [мұнда]
Жалпы қателер
- Бұлтты масканы қолданбау. Бұлт - ең көп таралған жалған сигнал.
- Сенсорды калибрлеусіз сену. Қымбат емес сенсорлар сырғып, ылғал әсер етеді.
- Тек тарихқа қараңызшы. Өзгерістерді талап ету үшін бірнеше күндер мен трендтер қажет.
- Негізгі шындықты айналып өту. Мүмкін болса, спутниктік сигнал далалық немесе тәуелсіз деректермен расталуы керек.
- AI-ның «нақты себебі» талабына құлау. Деректер корреляциясын қадағалау; Себебін растау басқа мәселе.
Абайлаңыз: Ажыратымдылығы жоғары спутниктік және дрон суреттерінде жеке меншік, адамдар немесе сезімтал нысандар болуы мүмкін. Бақылау деректерін ортақ пайдалану кезінде құпиялылық пен заңды шектеулерді (әсіресе жеке деректер мен қауіпсіздік) сақтаңыз.
Қысқаша айтқанда
Қоршаған ортаны бақылау спутниктік (кең) және сенсорлық (жергілікті) деректерді біріктіреді. AI; Бұл ауқымды кескіндер мен уақыт қатарларының деректерін, аномалияларды сканерлеуді және қорытындылауды өңдейтін кодты жазуға арналған қуатты үдеткіш. Бірақ бұлтты маска, сенсорды калибрлеу, көп күнді салыстыру және жердегі шындықты тексеру сарапшыға тиесілі. Шикі сигналға емес, тазартылған және расталған сигналға сеніңіз.
Қолданбалы тапсырма
Өріс пен күн ауқымын таңдаңыз (нақты немесе болжамды). 1. Үлгі арқылы AI жүйесіне NDVI талдау жұмыс процесінің кодын басып шығарыңыз және бұлттық маска қадамының бар екенін тексеріңіз. Содан кейін сізде бар сенсордың уақыт сериясын (немесе үлгіні) 2-ші үлгімен сапаны бақылау арқылы өткізіңіз. Соңында, 3-үлгі арқылы өрісте табылған өзгерісті қалай растайтыныңыз туралы жоспар жасаңыз.
бақылау парағы
- [ ] Мен талдауды нақты кеңістіктік және уақыттық сұрақпен анықтадым.
- [ ] Мен спутниктік деректерге бұлт маскасын қолдандым.
- [ ] Мен сенсор деректерін калибрлеу және сапаны бақылау арқылы бердім.
- [ ] Мен өзгерту туралы шағымды бір күнге емес, трендке негіздедім.
- [ ] Мен қорытындыны негізді шындықпен немесе тәуелсіз деректермен тексеру жоспарын жасадым.
- [ ] Мен құпиялылық пен заңды шектеулерді байқадым.