Pelnas:
- Gebėjimas interpretuoti GIS sluoksnius, NDVI ir nuotolinio stebėjimo juostos/raiškos sąvokas
- Rodyklės interpretavimas, pokyčių analizė ir žemėlapio naratyvo rengimas naudojant AI
- Galimybė patikrinti AI palydovo / žemėlapio interpretaciją naudojant pagrindinę tiesą ir metaduomenis
Esate aplinkos inžinierius, dirbantis su pelkių išsaugojimo projektu. Taryba nori, kad išnagrinėtumėte skundus, kad ežero nendrynas per pastaruosius penkerius metus sumažėjo. Prieš einant į lauką prie darbo stalo reikia atlikti preliminarų įvertinimą: turite dviejų skirtingų metų palydovines nuotraukas, GIS (geografinės informacijos sistemos) projektą ir kalbos modelį. Galite leisti LLM interpretuoti NDVI vaizdų santrauką ir parašyti pokyčių pasakojimo juodraštį. Tačiau palydovinis pikselis reiškia 10 metrų kvadratą, ir jūs galite tik suprasti, ar toje aikštėje yra debesų šešėlis, džiūstantis nendrė, ar sezoninis vandens lygis. Šiame skyriuje apžvelgiame nuotolinio stebėjimo ir GIS sąvokas, indeksavimo/keitimo interpretaciją naudojant AI ir, svarbiausia, šio aiškinimo ribas.
GIS sluoksnio logika ir nuotolinio stebėjimo pagrindai
GIS suskirsto geografinius duomenis į persidengiančius sluoksnius: kiekvienas sluoksnis turi temą (žemėnauda, vandens telkiniai, aukštis, keliai) ir yra sulygiuotas į bendrą koordinačių sistemą. Analizė prasideda tinkamų sluoksnių persidengimu tinkamoje projekcijoje; neteisinga koordinačių sistema sistemingai pakreipia sritis ir atstumus.
Interpretuodami nuotolinio stebėjimo vaizdą turite išskirti tris skiriamosios gebos tipus:
Rezoliucijos tipas
Ką tai sako?
pavyzdys
apribojimas
erdvinis
Pikselio dydis ant žemės
10m, 30m
Maži objektai lieka subpikseliais
spektrinis
Kiek ir kokios bangos ilgio juostos?
Raudona, NIR, SWIR
Mažiau juostos = mažesnė diskriminavimo galia
laikinas
Kaip dažnai žiūrima ta pati vieta
5 dienos, 16 dienų
Duomenų praradimas debesuotomis dienomis
Radiometrinis
Šviesumo jautrumas (bitų gylis)
8 bitų, 12 bitų
Mažas gylis = bloga diskriminacija
NDVI: formulė ir aiškinimas
Dažniausias augmenijos gyvybingumą matuojantis indeksas yra NDVI (Normalized Difference Vegetation Index). Sveikas augalas stipriai atspindi artimuosius infraraudonuosius spindulius (NIR) ir sugeria raudoną (raudoną):
NDVI = (NIR - RAUDONA) / (NIR + RAUDONA) Reikšmės diapazonas: -1 ... +1 < 0 : vanduo, sniegas, debesys 0,0 - 0,2 : plikas dirvožemis, uola, užstatyta teritorija 0,2 - 0,5 : reta / žolinė augmenija, įtempta danga 0,5 - 0,9 : tanki, sveika žalia danga
# mažo imties pikselių bloko NDVI importuojamas numpy kaip npnir = np.array([[0.42, 0.38], [0.11, 0.45]]) # artimas infraraudonasis atspindysred = np.array([[0.06, 0.09], [0.06, 0.09], [0.06, 0.09], [0.06, 0.09], [0.10]) 0. (nir + red)print(np.round(ndvi, 2))# [[0,75 0,62]# [0,05 0,80]]# apatinis kairysis pikselis (0,05): ne augalas – gali būti plika žemė arba vanduo / šešėlis
Patarimas: NDVI nėra absoliutus „sveikatos“ matas, o nuo būklės priklausantis rodiklis. Lygindami du datuotus tos pačios srities NDVI, įsitikinkite, kad vaizdai buvo padaryti panašiais metų laikais, panašiais saulės kampais ir be debesų. Palyginus vėlyvą vasarą su pavasariu, gaunamas nerealus „augalų praradimas“.
Pakeitimų analizė (pakeitimų aptikimas)
Paprasčiausias būdas rasti skirtumą tarp dviejų datų yra NDVI skirtumas, tačiau šis skirtumas prasmingas tik tuo atveju, jei galima palyginti vaizdus.
ΔNDVI = NDVI_2025 − NDVI_2020 ΔNDVI << 0 : galimas dangos praradimas (džiovinimas, pjovimas, statyba) ΔNDVI ≈ 0 : nekeičiama ΔNDVI >> 0 : galimas dangos padidėjimas (apželdinimas, atstatymas) DĖMESIO: Skirtumas gali neatspindėti faktinio / sezoniškumo / kampo skirtumus. Skirtumas = tikras pokytis + triukšmas.
Atsargiai: debesys, debesų šešėlis ir sezoniškumas labiausiai kenkia pokyčių analizei. Plotas po debesies šešėliu rodo žemą NDVI ir atrodo kaip „augmenijos praradimas“. Kai LLM interpretuoja vaizdą, modelis gali supainioti šiuos artefaktus su tikru įvykiu. Būtinai patikrinkite vaizdo metaduomenis (datą, debesų procentą, saulės kampą).
Rodyklės interpretacija ir žemėlapio pasakojimas naudojant AI
LLM yra naudinga verčiant skaitines indeksų santraukas į paprastą pasakojimą ir rengiant ataskaitų projektus. Pateikite neapdorotą NDVI statistiką ir metaduomenis ir paprašykite sugeneruoti komentarą, kurį galėtumėte patikrinti.
SILPNAS raginimas: "Ar šlapžemė sumažėjo šiame palydoviniame vaizde?" Tvirtas raginimas: „Pateikiu dvi datas NDVI statistiką (tas pats plotas, tas pats jutiklis): 2020-07-15 vid. NDVI=0,61 debesis = 3% saulės kampas = 58°2025-07-12 vid. NDVI = 0,42 debesis = 22% saulės kampas = 55 ° Dominanti sritis: ežeras1) ~. Apskaičiuokite ΔNDVI ir išvardykite galimas interpretacijas.2) Išvardykite, dėl kokių priežasčių (debesis, šešėlis, vandens lygis, sezonas, kalibravimas) šį sumažėjimą gali lemti (debesis, šešėlis, vandens lygis, sezonas, kalibravimas), NEI TIKRAS dangos praradimas.3) Kiekvienai galimai priežasčiai pasiūlykite PATIKRINIMO etapą, kad jį atskirtumėte (pvz., lauke apsilankymas be debesies, vandens lygis, ccurate parinkimas). „Nendrių guolis sumažėjo X %“ NENUSTATYKITE, kad tai galima pasakyti tik tuo atveju, jei tai patvirtina pagrindinė tiesa.
Stiprus raginimas nukreipia modelį ne prie vienos galutinės išvados, bet į alternatyvių paaiškinimų ir patikrinimo planą. Tai, kad 2025 m. vaizde yra 22% debesų, jau savaime mažėjimą kelia įtartina.
Pagrindinės tiesos patikrinimas
Auksinis nuotolinio stebėjimo interpretavimo standartas yra patikros taškai su stebėjimais ir matavimais, atliktais lauke. Jūs įrašote tikrąją žemės dangą su GPS keliuose atskaitos taškuose ir palyginate ją su vaizdo klasifikacija. Jei taške, kuriame AI arba algoritmas sako „vanduo“, nurodyta „sausos nendrės“, klasifikacija nepatikima.
mini dėklas
Stebėdama kasybos vietos poveikį aplinkai, komanda parengė „15 hektarų miško nuostolių dėl kasybos veiklos“, remdamasi NDVI sumažėjimu, apskaičiuotu pagal palydovinį vaizdą, ir išplėtė interpretaciją į LLM; modelis sukūrė sklandų, įtikinamą pasakojimą. Tačiau, kai pranešimą komanda patikrino lauke, buvo pastebėta, kad dalis žemo NDVI ploto iš tikrųjų buvo nuimtas žemės ūkio paskirties sklypas, o dalis – debesų šešėlis, sutapusis su vaizdo fotografavimo diena. Tikrasis miško nuostolis buvo apie 4 hektarus, o ne 15. Jei prieš tai būtų patikrinti metaduomenys (debesų kaukė) ir žemėnaudos sluoksnis, klaidos būtų išvengta visų pirma. Dėl tvarkingų LLM sakinių neteisinga įvestis nebuvo teisinga.
Dažnos klaidos
- Skirtingų sezonų / saulės kampų vaizdų palyginimas ir sezoninio skirtumo sumaišymas su „pokyčiu“.
- Debesų ir debesų šešėlių interpretavimas kaip faktinis dangos praradimas; apeinant debesų kaukę.
- Tikslių sprendimų priėmimas iš pikselių duomenų apie mažus objektus, viršijančius erdvinę skiriamąją gebą.
- Netinkamas plotų ir atstumų apskaičiavimas dėl koordinačių sistemos/projekcijos neatitikimo.
- Galvojant, kad NDVI yra absoliutus sveikatos matas, o vandens ir šešėlių pikseliais elgiamasi taip, tarsi jie būtų augalai.
- LLM sklandaus žemėlapio pasakojimo įtraukimas į ataskaitą kaip galutinis atradimas be pagrindo.
- Rezultatų teikimas nedokumentuojant metaduomenų (data, jutiklis, debesų procentas, apdorojimo lygis).
Apibendrinant
- GIS analizės atliekamos sluoksniais, sulygiuotais į bendrą koordinačių sistemą; Projekcijos klaida iškreipia rezultatą.
- Erdvinė, spektrinė, laiko ir radiometrinė skiriamoji geba riboja, ką vaizdas gali parodyti.
- NDVI = (NIR−RED)/(NIR+RED) yra sąlyginis augalų gyvybingumo rodiklis, o ne absoliutus sveikatos matas.
- Pokyčių analizėje skirtumas = tikras pokytis + triukšmas; Debesis, šešėlis ir metų laikas yra didžiausi apgavikai.
- LLM pateikia rodyklės interpretaciją ir žemėlapio pasakojimo kontūrą, bet „nemato“ palydovinio vaizdo; Komentuoti pagal jūsų pateiktą numerį.
- AI aiškinimas ir automatinis klasifikavimas negali būti paversti galutiniais aplinkosaugos išvadomis, jei nepatvirtinama pagrindinė tiesa ir metaduomenys.
Taikymo užduotis
Sukurkite arba priimkite dvi NDVI suvestines su data (savo pasirinkimu arba pavyzdžiu); Atkreipkite dėmesį į kiekvienos datos metaduomenis (datą, debesų procentą, saulės kampą, jutiklį). Apskaičiuokite ΔNDVI. Parašykite tvirtą raginimą ir paprašykite LLM ne tik faktinio dangos pakeitimo, bet ir alternatyvių paaiškinimų (debesis, šešėlis, sezonas, vandens lygis, kalibravimas) ir kiekvieno patikrinimo veiksmą. Tada sudarykite „pagrindinės tiesos patikrinimo planą“: bent trys atskaitos taškai, kas bus matuojama lauke ir kaip tai palygins su vaizdo interpretacija. Galiausiai pažymėkite, kuris teiginys LLM parengtame pasakojime yra „negalima įtraukti į ataskaitą be patikrinimo“ ir parašykite priežastį.