이득:
- 인공지능으로 위성, 항공 사진, LiDAR 데이터의 이상 징후를 스캔하고 각 표지판을 지형 확인이 필요한 후보로 평가하는 기능
- 식물, 토양 및 그림자 흔적의 계절적 및 조건적 의존성과 자연적/현대적 오탐이 제거되는 방법을 이해합니다.
- 방송에서 민감한 사이트 위치가 약탈 및 흐려짐으로부터 보호되어야 하는 이유를 적용할 수 있는 능력
고고학의 가장 흥미로운 발전 중 하나는 땅을 파지 않고도 지하와 표면의 흔적을 볼 수 있는 능력입니다. 원격 감지(물리적으로 접촉하지 않고 위성, 항공기 또는 드론 이미지로 영역을 조사하는 방법)는 넓은 지역을 스캔하고 가능한 장소(고고학적 유적이 있는 장소)를 탐지하는 가장 강력한 도구입니다. 본 단원에서는 AI가 위성 이미지, 항공사진, LiDAR 데이터에서 이상 현상(주변과 다른 트랙, 인공일 수 있는 트랙)을 어떻게 표시하는지, 그리고 각 표시를 현장에서 확인해야 하는 이유에 대해 알아봅니다.
기본 원리: AI는 넓은 영역에서 "여기를 보세요"라고 말하는 스캐닝 및 포인팅 보조자입니다. "이곳은 정말 현장이다"라는 결정은 토지관리소와 전문가에 의해 내려집니다. 원격탐사에서 AI가 표시한 모든 지점은 발견이 아니라 가설입니다.
원격탐사 유형
위성 및 항공 사진. 매설된 구조물은 그 위에 있는 토양과 식물의 차별적인 성장을 가져옵니다. 벽에 있는 작물은 더 약하고, 도랑에 있는 작물은 더 무거워집니다. 이를 자르기 표시라고 합니다. NDVI(식물의 건강을 측정하는 지수, 적외선을 사용하여 식물 활력을 수량화)는 이러한 차이를 강조합니다. AI는 인간보다 더 빠르게 큰 이미지에서 이러한 미묘한 차이를 스캔합니다.
LiDAR. LiDAR(Light 감지 및 범위 지정 - 항공기에서 지상으로 레이저를 발사하고 복귀 시간을 측정하여 표면의 매우 정확한 3D 고도 지도를 생성하는 기술)은 가장 혁신적인 도구입니다. 그 특징은 레이저가 나무를 통해 땅에 도달할 수 있다는 것입니다. 따라서 초목을 수치적으로 "벗겨내면" 숲 아래의 둔덕, 테라스, 도로 및 건물 기초가 드러납니다. AI는 이 고도 데이터에 범프, 구덩이 및 부드러운 기하학적 모양을 표시합니다.
지구물리학(보충). GPR(지상 투과 레이더) 및 자기 측량과 같은 방법은 표면 바로 아래를 볼 수 있습니다. AI는 이 데이터에서 이상 패턴을 찾는 데도 도움이 됩니다.
AI를 이용한 사이트 감지 단계
- 데이터 준비. 이미지가 좌표계(지리 참조)에 맞춰지고 그림자와 대비가 수정됩니다. LiDAR에서는 식생을 필터링하여 "맨땅 모델"을 생성합니다.
- 이상 징후 스캔. AI는 인공적으로 만들어졌을 수 있는 매끄러운 형상(원형 마운드, 직사각형 구조, 선형 도랑/도로)을 표시합니다.
- 제거. 대부분의 징후는 자연적입니다(지질학적, 농업적, 현대적). 전문가는 명백히 자연스럽고 현대적인 것을 제거합니다.
- 우선순위. 나머지 후보 포인트는 상황 및 알려진 사이트 분포에 따라 우선순위가 지정됩니다.
- 토지확인. 우선순위 지점은 표면 조사 및 필요한 경우 드릴링을 통해 현장에서 확인됩니다. 확인 없이는 "앉아"라고 선언된 포인트가 없습니다.
팁: 항상 AI의 징후를 "오탐률이 높은 후보자 목록"으로 참조하세요. 목표는 현장에서 방문할 장소를 지능적으로 좁히는 것입니다. 발견을 알리기 위해서가 아닙니다. 한 시즌에 랜드 포인트 200점을 30점으로 줄이는 것은 큰 이득입니다.
민감한 위치: 중요한 개인 정보 보호
사이트 탐지에 있어서 가장 심각한 윤리적, 보안적 문제는 위치 기밀성입니다. 새로 식별된 보호되지 않은 장소의 정확한 좌표는 불법 채굴자와 보물 찾는 사람들의 직접적인 표적이 됩니다. 따라서:
- 정확한 좌표가 확인되지 않은 공공 AI 차량에는 탑승하지 마세요.
- 방송 및 프리젠테이션에서 민감한 사이트의 위치를 흐리게 합니다(GPS 없이 일반 영역 제공).
- 조직의 보안 시스템에 데이터를 보관하고 액세스를 제한하세요.
주의: "지도를 그려보겠습니다"라고 공공 서비스에 사이트 좌표를 붙여넣으면 해당 사이트가 약탈의 대상이 될 수 있습니다. 위치정보는 발견물만큼이나 보호받아야 할 자산입니다.
세 개의 미니 케이스
사례 1 - 스캔으로 영역이 좁아졌습니다. 측량 프로젝트는 500km²의 면적을 측량합니다. AI 기반 LiDAR 분석을 통해 숲 아래에 가능한 마운드가 120개로 표시되었습니다. 전문가 제거 후에도 38개의 우선순위 자리가 남습니다. 이 중 11개는 현장에서 실제 고고학 구조물인 것으로 밝혀졌습니다. AI는 수개월 간의 블라인드 검색을 목표 시즌으로 압축했습니다.
사례 2 - 거짓 긍정이 교훈이었습니다. 한 팀이 AI가 표시한 매끄러운 원형 흉터를 '고분'으로 선언하기 위해 신나게 준비하고 있는 동안, 전문 지질학자는 그것이 자연적인 함몰(돌린)임을 보여주었습니다. 토지 확인 없이 한 진술은 명예를 실추시킬 수 있습니다. 교훈: AI는 원점 해석이 아닌 기하학을 봅니다.
사례 3 — 위치 유출이 방지되었습니다. 학생은 새로 발견된 장소의 좌표가 포함된 이미지를 공개 도구에 업로드합니다. 상담사가 멈췄습니다. 그 지역은 아직 보호되지 않았습니다. 해당 이미지는 좌표정보가 제거된 상태로 보안시스템에서만 처리되었습니다.
복사 가능한 템플릿 4개
1) 이상 징후 스캔 프레임:
귀하의 역할: 원격 감지 분석 보조원. 나는 당신에게 맨바닥(LiDAR에서 파생된) 고도 이미지/데이터를 제공할 것입니다. 인공으로 만든 매끄러운 형상(원형, 직사각형, 선형)을 표시합니다. 각각에 대해 위치, 형식, 주목할만한 이유를 적어보세요. 각 기호에 대해 자연적/현대적 설명의 가능성도 표시합니다. 확실한 "앉아"를 선언하지 마십시오.
2) 거짓 긍정 제거:
아래는 AI가 표시한 후보 포인트 목록입니다. 각각에 대해 지형 확인 전에 제거할 수 있는 자연적이고 현대적인 설명(지질 구조, 농업 흔적, 도로, 건물 기초)을 나열하십시오. 나머지 "매우 모호한" 후보를 별도로 나열하십시오.
3) 토지관리계획:
내 최고의 후보 지점은 다음과 같습니다: [목록]. 각 포인트별로 현장에서 확인할 때 찾아야 할 지표(표면 소견, 지형, 토양 색상, 석재 밀도)와 안전/윤리적 현장 규칙(허가, 위치 기밀 유지)이 포함된 체크리스트가 나타납니다.
4) 방송을 위한 위치 블러링:
출판/발표를 위해 다음 사이트 정보를 준비할 때 정확한 위치를 공개하지 않고 이를 설명할 수 있는 방법을 제안하십시오. 일반화 수준(지방/지역), 생략해야 할 정보를 나열하십시오. 목표는 과학적 투명성과 부패 방지의 균형입니다.
약한 프롬프트 / 강한 프롬프트
약한 프롬프트:
이 위성 이미지에 고고학 유적지가 있나요? 좌표를 알려주세요.
AI는 자연스러운 추적을 "앉음"으로 선언하고 자신 있는 좌표를 맞출 수 있습니다. 이는 과학적 관점과 보안 관점 모두에서 위험합니다.
강력한 프롬프트:
귀하의 역할: 원격 감지 보조원. 이 이미지에서 사람이 만든 매끄러운 기하학적 표시를 표시하세요. 각 흔적에 대해: (a) 그 모양, (b) 그것이 주목할만한 이유, (c) 자연적/현대적 대안 설명. 이들은 현장에서만 확인되는 후보자입니다. "앉아"라고 선언하지 마십시오. 정확한 좌표를 생성하고 상대 위치를 설명합니다.
차이점: 첫 번째는 발견을 선언합니다. 후자는 검증할 후보자의 안전한 목록을 생성합니다.
이미지 유형 및 계절 효과
원격탐사에서는 이미지가 "항상" 작동하지 않습니다. 올바른 길을 보려면 올바른 조건이 필요합니다. 자르기 표시는 작물이 수분 스트레스를 받는 건기 동안 가장 잘 나타납니다. 매립된 벽 위의 토양은 물을 덜 보유하므로 그곳의 작물은 일찍 노란색으로 변하고 위에서부터 선으로 나타납니다. 습한 봄 이미지에서는 동일한 흔적이 전혀 나타나지 않을 수 있습니다. 밭을 경작한 후 다양한 색의 흙이 표면에 나타나면 흙 자국이 나타납니다. 반면에 그림자 표시는 아침이나 저녁에 낮은 태양 아래서 긴 그림자와 함께 가벼운 융기와 움푹 들어간 곳을 드러냅니다. 따라서 단일 이미지가 아닌 계절과 시간대에 따라 다양한 이미지가 존재하는 지역을 평가하는 것이 필요하다. AI는 이러한 다중 시간 비교를 가속화합니다.
LiDAR의 장점은 이러한 조건 의존성을 크게 극복한다는 것입니다. 표면 지형을 직접 측정하기 때문에 식생 계절에 덜 의존하고 숲의 하층을 볼 수 있습니다. 그러나 LiDAR에서 "맨땅 모델"을 생성할 때 식물 필터가 너무 공격적이면 실제 범프를 지울 수 있고, 너무 부드러우면 나무를 구조물로 착각할 수 있습니다. 이러한 필터 결정에는 전문가의 감독이 필요합니다.
팁: 지역을 평가할 때 "어느 계절, 언제, 어떤 방법으로?"라고 물어보세요. 항상 질문하십시오. 단일 이미지에 흔적이 없다고 해서 사이트가 없다는 의미는 아닙니다. 어쩌면 당신은 그것을 잘못된 상태로 보고 있을 수도 있습니다.
방법 비교표
방법
무엇을 보는가
AI의 투고
국경
위성/항공 사진
식물/토양 흔적
광역 스캐닝
계절, 결심
NDVI
식물 활력의 차이
흉터하이라이팅
자연스러운 차이를 혼동함
라이더
표면 지형
숲 지하 기하학
식물 필터 오류
지구물리학(GPR/자기)
지하 구조
이상 패턴
로컬, 느림
일반적인 실수
- 이상 현상을 발견으로 착각합니다. 표시는 후보입니다. 토지 확인이 없으면 부지가 아닙니다.
- 자연적/현대적 흔적을 제거하지 않습니다. 돌린(Dolins), 농업용 상처 및 파이프는 종종 "구조물"로 나타납니다.
- 열린 차량에 정확한 좌표를 제공합니다. 약탈 위험; 위치는 보호되어야 할 자산입니다.
- 단일 이미지에 의존합니다. 계절, 방법, 지형이 다르면 해석이 불완전합니다.
- 거짓양성률(false positive rate)을 잊어버렸습니다. 대부분의 표지판은 비어 있습니다. 이는 정상이며 목적이 좁아지고 있습니다.
요약하면
원격 감지에서 AI는 넓은 영역을 스캔하고 가능한 사이트를 표시하는 데 엄청난 시간을 절약합니다. 그러나 모든 징후는 현장에서 확인되어야 하는 가설입니다. 자연스럽고 현대적인 흔적은 조심스럽게 제거됩니다. 가장 중요한 것은 민감한 장소가 약탈로부터 보호된다는 것입니다. AI는 "여기를 보세요"라고 말합니다. "이 장소가 보호되는지"는 토지와 전문가가 결정합니다.
응용과제
오픈 액세스 LiDAR 또는 위성 이미지(자신의 지역 또는 샘플 데이터세트에서)를 선택하세요. "이상 스캔" 템플릿을 사용하여 AI 플래그 가능한 형상을 만든 다음 "오탐지 제거" 템플릿을 사용하여 자연스럽고 현대적인 설명을 제거합니다. 나머지 후보에 대한 토지 관리 계획 초안을 작성하고 위치 기밀 메모를 포함합니다.
체크리스트
- [ ] 나는 AI 신호를 발견이 아닌 '후보'로 간주했다.
- [ ] 자연스럽고 현대적인 흔적을 없애려고 노력했습니다.
- [ ] 우선 후보자에 대한 토지 확인을 계획했습니다.
- [ ] 오픈카 외부의 민감한 장소는 남겨두고 방송에서는 흐리게 처리했습니다.
- [ ] 오탐률이 높을 수 있다는 점을 고려했습니다.