Пайдалар:
- Мультиспектралдык спутник маалыматтары, тилкелүү айкалыштар жана спектрдик индекстер (NDVI ж.б.) AI менен кантип колдонуларын түшүндүрүү жөндөмү
- AI колдоосу менен көзөмөлдөнүүчү/көзөмөлсүз классификацияны жана жер каптоо картасын түзүүнүн иш процессин конфигурациялоо мүмкүнчүлүгү
- Негизги чындык жана ката матрицасы/тактык критерийлери менен классификациянын чыгышын сыноо мүмкүнчүлүгү
Алыстан зонддоо — жердин бетин физикалык байланышсыз, спутниктерде же аба платформаларында датчиктер менен өлчөө илими. Спутниктен тартылган сүрөт чындыгында бир сүрөт эмес, бир нече толкун узундуктарында жазылган өлчөө катмарларынын жыйындысы жана бул катмарларды акылдуу түрдө бириктирүү менен жер каптоосун (токой, суу, айыл чарба, курулуш) картага түшүрүүгө болот. Бул бөлүмдө биз жасалма интеллект бул иштин жүрүшүн кантип тездеткенин, мультиспектралдык маалыматтардан жер катмарын классификациялоого чейин жана эксперттердин пикири зарыл болгон жерлерди карайбыз. Принцип: AI классификацияны жаратат же коддойт; Картанын тактыгы инженерде көз карандысыз жер чындык жана ката матрицасы менен өлчөнөт.
Негизги терминдер. Мультиспектралдуу сүрөттөлүш – толкун узундуктарынын бир нече тилкелеринде (көк, жашыл, кызыл, жакын инфракызыл ж.б.) жазылган сүрөт; ар бир топ катмар болуп саналат. Hyperspectral алда канча бай, бирок ондон жүздөгөн тар тилкелерди камтыган маалыматтарды иштетүү кыйын. Спектрдик көрсөткүч – тилкелердин математикалык айкалышы аркылуу кубулушту бөлүп көрсөтүүчү сан; эң белгилүү NDVI (Normalized Difference Vegetation Index) жакын инфракызыл жана кызыл тилке ортосундагы айырманы колдонуу менен жашыл өсүмдүктөрдүн күчүн өлчөйт. Көзөмөлгө алынган классификация моделди алдын ала белгиленген үлгү аймактары менен окутууну жана бүт сүрөттү классификациялоону камтыйт. Көзөмөлсүз классификация – бул маалыматтарды энбелгисиз окшоштукка негизделген кластерлөө жана аны кийинчерээк чечмелөө.
Алыстан байкоодо AIдын ролу
Жасалма интеллект бул тармакка үч деңгээлде салым кошот:
- Иш процесси жана ыкманы тандоо. "Бул суроого кайсы тилкелер, кайсы индекс, кайсы классификатор ылайыктуу?" сиздин чечимиңизге жетекчилик кылат; коддун скелетин чыгарат.
- Классификациянын өзү. Заманбап терең үйрөнүү моделдери миллиондогон пикселдерди жер катмарына бөлөт; Бул AI чыныгы ишти аткарган орто-жогорку салым аймагы.
- Жыйынтыктарды чечмелөө жана отчеттуулук. Ал класс статистикасын, өзгөрүүлөрдү талдоо жана тактык отчетун окула турган текстке транскрипциялайт.
Сокур так: модель ал үйрөтүлгөн маалыматтарга жана сиз берген мисалдарга көз каранды. Булут көлөкөсү жана суу, жылаңач топурак жана оруп-жыюу талаасы, тайыз суу менен нымдуу жер оңой аралашат. Ошентип, классификация картасы жакшы көрүнгөндүктөн туура эмес; тактыгын өлчөө керек.
Кеңеш: Классификациялоону баштоодон мурун сурооңузду тактаңыз. "Жер катмарын классификациялоо" бүдөмүк; «2020-2025-жылдар аралыгында курулуштун пайдасына айыл чарба жерлерин жоготуу картасы» класстык топтомду да, текшерүү критерийин да аныктайт.
Кадам-кадам: Жер катмарынын классификациясы
- Маалыматтарды жана кассеталарды даярдаңыз. Сүрөттүн булут капкагын, тартылуу күнүн, чечүүчүлүгүн (пиксел өлчөмү) жана тилке тартибин ырастаңыз. Ар кандай күн/сезон класстарды өзгөртөт.
- Класс топтомун аныктаңыз. Канча класс, кайсынысы (суу, токой, айыл чарба, курулуш, жылаңач жер)? Азыраак жана көбүрөөк айырмаланган класстар ишенимдүү.
- Индекстерди эсептөө. NDVI (өсүмдүк), NDWI (суу) сыяктуу индекстер класстарды айырмалайт; классификаторго кириш болуп калат.
- Тренинг үлгүлөрүн чогултуу (көзөмөлдөө үчүн). Ар бир класс үчүн жерди текшерүү менен тастыкталган үлгү полигондор. Үлгү сапаты тактыгын аныктайт.
- Классификация жана текшерүү. Модельди үйрөтүңүз, андан кийин көз карандысыз (үйрөтүлбөгөн) үлгүлөр менен ката матрицасын түзүңүз жана жалпы тактыкты жана Каппаны эсептеңиз.
Негизги чындык жана ката матрицасы
Классификациянын тактыгы көз менен баа берилбейт. Негизги чындык талаада же ишенимдүү жогорку резолюциядагы булактагы белгилүү чыныгы класстын көз карандысыз үлгүлөрү. Бул мисалдар менен башаламандык матрицасы түзүлөт: ар бир класс канча жолу туура жана кайсы класс менен канча жолу чаташтырылганы эсептелет. Мындан жалпы тактык (туура классификацияланган пропорция) жана Каппа (кокустуктун таасирин оңдогон макулдашуунун өлчөмү) эсептелет. Мындан тышкары, продюсердин тактыгы (ал класста канча кармалган) жана колдонуучунун тактыгы (ал класс канчалык ишенимдүү) класстын негизинде кабарланат.
Эскертүү: Тренингде колдонгон мисалдар менен тактыкты өлчөбөңүз. Ошол эле мисалдар үйрөтүү жана сыноо болсо, тактык жасалма түрдө жогору болуп калат; Бул иллюзия. Валидация үлгүлөрү көз карандысыз болушу керек.
Үч мини Case: Сандар боюнча
1-жагдай - Булут көлөкөсү суу менен жаңылышты. Бир классификацияда, модель булут көлөкөлөрүн "суу" деп белгилегенде, көлдүн аймагы чындыгында болбогон жерде өскөн; суу классынын колдонуучу тактыгы 70% га чейин төмөндөдү. NDWI индекси жана булут маскасы кошулганда, көлөкө/суунун кийлигишүүсү азайып, суунун тактыгы 90% дан ашкан.
2-жагдай - Отчет негиздүү чындык менен калыбына келтирилди. Айыл чарба инвентаризациясын изилдөө баштапкы классификациянын 82% жалпы тактыгын билдирди, бирок бул окуу үлгүлөрү менен ченелген. 120 көз карандысыз жер чындык чекиттери менен кайра өлчөгөндө, иш жүзүндө жалпы тактык 71% болгон; Айыл чарбасы жана жылаңач жер олуттуу кийлигишкен. Кошумча окутуу мисалдары менен классификация жакшырып, тактык 84% га чейин көбөйдү. Сабак: тактык көз карандысыз үлгү менен өлчөнөт.
3-жагдай - Мезгилдик тузак. Эки башка датада (жаз жана жайдын аягында) тартылган сүрөттөрдү аралаштырганда, орулган талаалар "таза жер" классына өтүп, айыл чарба аянты 15% жок болуп чыкты. Сүрөттөр ошол эле мезгилден тандалып алынганда жана фенологиялык ырааттуулукка жеткенде натыйжалар жакшырган.
Алсыз тездик / Күчтүү эскертүү
Алсыз билдирүү:
Бул спутник сүрөтүн классификациялаңыз.
Күчтүү билдирүү:
Тапшырма: жер катмарынын классификациясынын иш процессин түзүү (анын ичинде Python/rasterio + scikit-learn код скелети). Контекст:- Сенсор: 4 тилке (көк, жашыл, кызыл, NIR), 10 м резолюция- Класстар: суу, токой, айыл чарба, курулуш, ачык жер- Максаты: учурдагы жер каптоо картасы (NDVI, NDWI) кошуу жана эмне үчүн жазуу.2) Көзөмөлгө алынган классификация кадамдарын тизмектеңиз; Тренинг жана ВАЛИДАЦИЯ үлгүлөрү БӨЧӨ болушу керек экенин баса белгилеңиз.3) Ката матрицасын + жалпы тактык + Каппа эсебин коддун скелетине коюңуз.4) Булут/көлөкө жана мезгилдин чаташып кетүү коркунучуна көңүл буруңуз.
Күчтүү чакырык класс топтомун, резолюцияны, индекстин негиздерин жана валидациянын айырмасын көрсөтөт; чыгаруу өлчөөчү болуп калат.
Көчүрмө төрт шаблон
1) Метод/индекс тандоо:
Объект [максат] жана сенсор [тилкелер/резолюция] үчүн кандай спектрдик индексти жана классификация ыкмасын сунуштайт элеңиз? Ар бир тандоо үчүн башаламандыктын негизин жана потенциалдуу тобокелдигин жазыңыз (кайсы класстар бири-бирине окшош).
2) Скелеттин классификациялык коду:
Rasterio + scikit-learn менен көзөмөлдөнгөн классификация алкагын жазыңыз: лентаны окуу, индексти эсептөө, окутуу/валидация үлгүлөрүн БӨЛҮҮ, классификация, ката матрицасы жана тактык чыгаруу. CRS сактоо; түшүндүрүү.
3) Тактыгын баалоо орнотуулары:
Классификациянын тактыгын баалоо үчүн план жазыңыз: көз карандысыз негиздөөчү чындык үлгүсүнүн дизайны, ката матрицасы, жалпы тактык, Kappa, класс боюнча продюсер/колдонуучунун тактыгы. Ар бир метрика эмне дейт, түшүндүрүп бер.
4) Интерференция диагнозу:
Төмөндөгү ката матрицасын чечмелеп бериңиз: кайсы класстар бири-бирине тоскоол болуп жатат, мүмкүн болгон спектралдык/сезондук себеби эмнеде, кандай кошумча маалыматтар (индекс, маска, дата) башаламандыкты азайтат? Матрица: [ката матрицасы]
Классификациялык түшүнүктөрдү салыштыруу
түшүнүк
Мааниси
качан
көзөмөлдөгөн
Белгиленген мисал менен тренинг
Класстар алдын ала белгиленген
Көзөмөлсүз
Белгисиз кластерлөө
Ачылыш, мисалдар жок
NDVI
өсүмдүктөрдүн жашоо индекси
Өсүмдүк/жылаңач/суу бөлүү
NDWI
суу индекси
суу дененин бөлүнүшү
Ката матрицасы
Чын/жалган саны
тактык өлчөө
каппа
Мүмкүнчүлүк боюнча туураланган туура
Стандарттык тактык отчету
Жалпы каталар
- Тренинг мисалдары менен өлчөө тактыгы. Көз карандысыз эмес тестирлөө жасалма түрдө жогорку тактыкты берет.
- Картаны тактыгын өлчөөсүз өткөрүп берүү. "Жакшы көрүнөт" тактыктын далили эмес.
- Булут/көлөкө маскасын өткөрүп жиберүү. Көлөкө сууга, булут карга/структурага аралашат.
- Ар кандай мезгил/дата сүрөттөрүн аралаштыруу. Фенологиялык айырмачылыктар класстардын сменасы.
- Өтө көп жана окшош класстарды аныктоо. Айырмаланбаган класстар тактыкты азайтат.
- Чечимге көңүл бурбоо. Чакан объекттерди классификациялоо мүмкүн эмес, эгерде алар бир пикселден кичине болсо.
Кыскача айтканда
Алыстан зонддоодо AI мультиспектралдык маалыматтардан жерди картага түшүрүүгө чейинки жумуш процессин тездетет жана классификациянын көп бөлүгүн өзүнө алат. Бирок классификация картасы, анын тактыгы ченегенде гана пайдалуу: бул көз карандысыз жер чындык үлгүлөрү менен ката матрицасын куруу жана жалпы тактык менен Каппаны эсептөө үчүн стандарттуу. Булут/көлөкө, мезгилдик вариация жана ушул сыяктуу класстар кийлигишүүнүн типтүү булактары болуп саналат; Аларды индекс, маска жана күн ырааттуулугу менен башкарыңыз. Тренинг жана валидация үлгүлөрүн эч качан аралаштырбаңыз.
Колдонмо тапшырмасы
Жер каптоо суроосун тандаңыз (мисалы, "шаардык жашыл мейкиндик картасы"). Класс топтомун, сиз колдоно турган тилкелерди жана индекстерди жазыңыз (жок дегенде NDVI). AI көзөмөлдөнгөн классификация иш процессин чыгарсын; окутуу жана валидация үлгүлөрү өзүнчө жана ката матрицасы + Kappa эсептөө чыгарууга камтылганын текшериңиз. Андан кийин "башаламандык коркунучу" тизмесин түзүңүз: кайсы эки класс окшош жана аларды кантип айырмалайсыз.
текшерүү тизмеси
- [ ] Мен класстын топтомун кичинекей жана айырмаланып турчумун.
- [ ] Мен максатка ылайыктуу спектралдык индекстерди (NDVI/NDWI) коштум.
- [ ] Мен окутуу жана текшерүү мисалдарын бөлдүм.
- [ ] Мен булут/көлөкө маскасын жана мезгилдин ырааттуулугун текшердим.
- [ ] Мен көз карандысыз жер чындык менен тактыкты ченедим.
- [ ] Мен ката матрицасы, жалпы тактык жана Kappa жөнүндө билдирдим.
- [ ] Мен класстын аралашмаларына диагноз коюп, айыктырдым.
- [ ] Мен аны инженердик жактырууга дуушар кылдым, бул карта анын максаттуу колдонулушу үчүн так.