Pelnas:
- Suprasti dirbtinio intelekto palaikomo miesto plitimo, statybų ir žemės dangos pokyčių aptikimo logiką naudojant nuotolinį stebėjimą ir palydovinius vaizdus.
- Gebėjimas kritiškai įvertinti vaizdų klasifikaciją ir keisti aptikimo išvestis, naudojant tikslumą, skiriamąją gebą ir datos informaciją
- Gebėjimas suprasti, kad ribos, kurias AI išskiria iš vaizdo, turi būti patvirtintos lauko ir oficialiais įrašais ir negali būti teisiniu įrodymu.
Neįmanoma po vieną eiti į lauką, kur, kiek ir kaip greitai išaugo miestas per pastarąjį dešimtmetį. Vietoj to, planuotojai naudoja nuotolinį stebėjimą (vaizduoja Žemę naudojant palydovus ir orlaivius ir išgauna duomenis). Lygindami skirtingų datų palydovinius vaizdus, galite aptikti naujas statybas, prarastą žemės ūkio paskirties žemę, plečiamas nelegalias statybas ar mažėjančią žaliąją erdvę. AI yra galingas greitintuvas klasifikuojant šiuos vaizdus (kiekvieną pikselį pažymint „struktūra“, „augalu“, „vanduo“ ir kt.) ir aptinkant pokyčius tarp dviejų datų. Tačiau vaizdų analizė yra pilna raiškos, datos, šešėlio, debesies ir klasifikavimo klaidų. AI vėliavėlių „pakeitimas“ gali būti šešėlis, sezoninis skirtumas arba klaida. Todėl jokia iš paveikslo padaryta išvada negali būti naudojama kaip pagrindas teisiniams veiksmams, nepatvirtinus lauko ir oficialių įrašų.
Pagrindinės nuotolinio stebėjimo sąvokos
Rezoliucija: plotas, kurį užima pikselis ant žemės. Esant 10 metrų raiškai, vienas pikselis reiškia 10x10 metrų; Mažo ūkinio pastato nesimato. Didelė skiriamoji geba (pvz., 0,3–1 metras) reiškia daugiau detalių, bet brangesnius ir retesnius duomenis.
Spektrinė juosta: palydovai taip pat įrašo šviesą, kurios akis nemato (pvz., infraraudonųjų spindulių). Augalija šviečia infraraudonaisiais spinduliais; taip lengviau atskirti augalą nuo konstrukcijos. Tokie indeksai kaip NDVI (paprastas skaičiuotuvas, matuojantis augalų gyvybingumą) yra dažni plyno lauko stebėjime.
Data ir sezonas: jei du vaizdai yra skirtingais metų laikais, žalios spalvos sumažėjimas gali būti ne „praradimas“, o žiemos atėjimas. Datos ir sezono harmonija yra svarbi palyginimui.
Tikslumas: vertė, pagal kurią nustatomas klasifikacijos tikslumas. „85 procentų tikslumas“ reiškia, kad vienas iš šešių pikselių gali būti neteisingai pažymėtas; Tai yra didelė audito proceso klaidų riba.
Dėmesio: AI aptikta struktūra iš palydovinio vaizdo savaime nėra neteisėtos struktūros įrodymas. Šešėlis, skiriamoji geba, data ir klasifikavimo klaida pateikia klaidingus teigiamus rezultatus. Tikrinimas ir vykdymas visada reikalauja vietos kontrolės, nuosavybės dokumento / licencijos registravimo ir oficialaus matavimo.
Didžiausia vertė, kurią teikia nemokami ir atviri palydoviniai duomenys (pvz., Europos „Sentinel“ ir JAV „Landsat“ programos) planuojant, yra istorinės laiko eilutės: jūs turite prieigą prie daugybės tos pačios srities vaizdų, apimančių metus. Tai leidžia apeiti vieną palyginimą „prieš / po“ ir pamatyti kaimynystės plitimo tempą, sezoninius svyravimus ir tendencijas. AI padeda apibendrinti šias ilgas serijas ir atskirti reikšmingus pokyčių modelius nuo triukšmo. Tačiau ta pati taisyklė galioja ir laiko eilutėse: kad ir kokia aiški tendencija pasirodytų, rezultatą lemia vaizdų raiška, debesuotumas ir sezoniškumas; Jokia tendencija negali būti laikoma patikima, jei nepranešama apie šiuos tris veiksnius.
Pokyčių aptikimo logika
Yra keletas būdų, kaip palyginti du vaizdus su data: klasifikuoti datas ir lyginti klases, gauti indekso skirtumą (pvz., NDVI skirtumą) arba tiesiogiai sudaryti žemėlapį „pakeistas / nepakeistas“ naudojant AI modelį. Rezultatas – pokyčių žemėlapis: kur nauja struktūra, kur dingęs augalas. Šis žemėlapis yra neįkainojamas kaip preliminarus patikrinimas – jis nurodo planuotojui „pažiūrėti ten“. Bet kiekvienas ženklas atskirai patikrinamas, ar tai tikras pokytis, ar klaida.
Žingsnis po žingsnio: AI pagrįsta pokyčių analizė
- Apibrėžkite klausimą. „Kur yra naujos statybos [zonoje] 2018–2024 m.?
- Pasirinkite vaizdą. Panašus sezonas, priimtina raiška, mažas debesuotumas.
- Išankstinis apdorojimas. Perkelkite jį į tą pačią CRS, sulygiuokite, užtepkite debesies / šešėlių kaukę.
- Klasifikuoti/lyginti. Sukurkite klasę arba pakeiskite žemėlapį naudodami AI.
- Įvertinkite tikslumą. Išmatuokite tikslumą žinomais atskaitos taškais.
- Lauko ir registracijos patvirtinimas. Jei reikia, patikrinkite pažymėtus pakeitimus su nuosavybės teisės dokumentu / licencija ir svetaine.
- Ataskaitų ribos. Aiškiai parašykite datą, skiriamąją gebą, tikslumą ir paklaidos ribą.
Silpnas raginimas / Stiprus raginimas
Silpnas raginimas: „Pasakyk, kas pasikeitė nuo šių dviejų vaizdų“.
AI sukuria gražiai atrodantį, bet neabejotinai tikslų sąrašą; Galite manyti, kad atspalvio ir sezono skirtumas yra tikras pokytis.
Stiprus raginimas: „Lyginu dviejų datų (2018 m. liepos mėn. / 2024 m. liepos mėn., tas pats sezonas, 10 m skiriamoji geba) įslaptintus žemės dangos duomenis. Pranešdami apie pokyčių analizę, aiškiai nurodykite: kurie pokyčiai gali būti klaidingi teigiami dėl atspalvio / sezono / skiriamosios gebos, kuriuos nustatymus reikia patikrinti lauke ir kaip reikia išmatuoti kiekvieno radinio tikslumą. Nepastaba.
Antrasis raginimas verčia AI aiškiai pranešti neapibrėžtumą ir klaidų šaltinius.
Keturi kopijuojami šablonai
Užduotis: kritiškai įvertinkite šią pokyčių aptikimo išvestį. Išvardykite galimus KLAIDŲ šaltinius kiekvienam aptikimui: šešėlis, debesis, sezonas, skiriamoji geba, klasifikavimo klaida. Pridėkite pastabą „Reikalingas lauko patvirtinimas“. Nepriimkite galutinių sprendimų. Išvados / data / rezoliucija: [...]
Užduotis: Parašykite vaizdų atrankos kriterijų kontrolinį sąrašą miesto pokyčių analizei: sezoniškumas, skiriamoji geba, debesų greitis, datų diapazonas, CRS. Sukurkite klausimus ir paklauskite, ar mano turimi vaizdai atitinka šiuos kriterijus. Vaizdo informacija: [...]
Užduotis: PAGRINDIMAS ataskaita iš šių pokyčių analizės išvadų. Kiekvienoje išvadoje aiškiai nurodykite skiriamąją gebą, datą, tikslumą ir paklaidą. Pateikite rezultatus kaip „išankstinį patikrinimą“; Pabrėžkite, kad norint atlikti patikrinimą / sankciją būtinas lauko ir oficialaus įrašo patvirtinimas. Išvados: [...]
Užduotis: Pasiūlykite paprastą būdą įvertinti klasifikavimo tikslumą: kiek atskaitos taškų, kaip pasirinkti, kaip apskaičiuoti tikslumą (paprastas paaiškinimas). Kuris tiesos teiginys turi būti parašytas ataskaitoje, pavyzdyje.Kontekstas: [...]
Lentelė: duomenų tipas ir naudojimas
Duomenys
rezoliucija
stiprioji vieta
riba
vidutinės raiškos palydovas
10-30m
Laisvas, dažnas, platus plotas
Praleidžia mažą struktūrą
didelės raiškos palydovas
0,3-1m
Išsamus struktūros aptikimas
Brangus, negausus, debesų pavojus
Nuotrauka iš oro / ortofoto
0,1-0,3 m
Labai detalus, formalus
Atnaujinimo dažnis mažas
UAV (dronas)
cm lygiu
Greitai, labai detaliai
Maža erdvė, leidimas/įstatymai
trys mini dėklai
1 atvejis – šešėlių iliuzija. AI pokyčių žemėlapyje savivaldybė mato kaimynystėje esančius ženklus „naujos statybos“. Lauko komanda eina; Dauguma ženklų yra ilgi pastato šešėliai popietiniame vaizde. Tikrasis naujų pastatų skaičius yra pusė ženklų. AI buvo iš anksto patikrintas, bet jei būtų naudojamas be patvirtinimo, būtų sukurtos klaidingos minutės.
2 atvejis. Mažos konstrukcijos pabėgimas. Planuotojas bando sekti nedidelius sandėlius žemės ūkio lauke naudodamas 10 metrų raiškos palydovą. Kadangi sandėliai yra 6x8 metrų, jie lieka po vienu pikseliu ir nesimato. Planavimo priemonė perjungia į didelės raiškos ortofotografiją, kad būtų galima stebėti faktinį vaizdą. Rezoliucija lemia tai, ką galima pamatyti.
3 atvejis. Skaidri ataskaita. Viena komanda analizuoja 6 metų regiono paplitimą ir ataskaitoje aiškiai rašo, kad „aptikimai yra preliminarus nuskaitymas, kurio tikslumas yra 82 procentai; 47 taškai laukia patvirtinimo lauke; pridedamos vaizdo datos ir skiriamoji geba“. Parlamentas rezultatą įvertina teisingu svoriu. Pranešus apie neapibrėžtumą, o ne jį slėpus, analizė tampa patikima.
Dažnos klaidos
- Klaidingas nustatymas kaip įrodymas. Vaizdas iš anksto nuskenuotas; Tam reikalingos sankcijos ir oficiali registracija.
- Sezono / datos neatitikimas. Skirtingi sezoniniai vaizdai sukuria klaidingus skirtumus.
- Rezoliucijos nepaisymas. Mažos struktūros nesimato esant žemai skyrai; Tai nėra „nėra“.
- Nepranešimas apie tikslumą. Klaidos ribos slėpimas veda prie neteisingų sprendimų.
- Pamiršus šešėlį ir debesį. Du dažniausiai pasitaikantys klaidingų teigiamų rezultatų šaltiniai.
- CRS neatitikimas. Nesulygiuoti vaizdai keičiasi netinkamoje vietoje.
Apibendrinant
Palydoviniai ir oro vaizdai yra galingiausias būdas pamatyti miesto pokyčius dideliu mastu ir greičiu; AI pagreitina klasifikavimą ir pakeitimų aptikimą. Tačiau skiriamoji geba lemia tai, ką galima pamatyti, sezonas ir data – tai, kas tikra, šešėlis ir debesys – tai, kas klaidingai teigiama. Tikslumas visada turi būti matuojamas ir pranešamas. Svarbiausia: aptikimas iš vaizdo yra išankstinis nuskaitymas; Kontrolė vietoje, nuosavybės dokumento / licencijos registracija ir oficialus matavimas yra būtini tikrinimui ir sankcijoms. AI pagreitina regėjimą, o ne sprendimų priėmimą.
Taikymo užduotis
Apsvarstykite porą vaizdų (arba scenarijų) su dviem skirtingomis datomis. (1) Patikrinkite vaizdo atrankos kriterijus naudodami antrą šabloną: sezonas, skiriamoji geba, ar tinka debesis? (2) Sudarykite pakeitimų aptikimų sąrašą ir išskirkite galimus klaidų šaltinius kiekvienam aptikimui naudojant pradinį šabloną. (3) Sukurkite ataskaitos projektą naudodami trečiąjį šabloną ir pridėkite tikslumą bei paklaidą. (4) Užrašykite, kuriuos sprendimus reikia patvirtinti lauke ir kaip tai padarysite.
kontrolinis sąrašas
- [ ] Patikrinau vaizdų sezono, datos ir raiškos suderinamumą.
- [ ] Sulygiavau vaizdus į tą pačią KRS; Aš atsižvelgiau į debesų / šešėlių kaukę.
- [ ] Pakeitimų aptikimą traktavau kaip preliminarų patikrinimą, o ne kaip įrodymą.
- [ ] Įvertinau ir pranešiau apie klasifikavimo tikslumą.
- Pakeitimus, pažymėtus [ ], patvirtinau lauko ir oficialiais įrašais.
- [ ] Pastebėjau, ko gali nepatekti skiriamosios gebos riba.
- [ ] Ataskaitoje aiškiai parašiau datą, rezoliuciją ir paklaidą.