Ieguvumi:
- Izpratne par MI atbalstīto pilsētu izplešanās, būvniecības un zemes seguma izmaiņu noteikšanas loģiku, izmantojot attālo uzrādi un satelītattēlus.
- Spēja kritiski novērtēt attēlu klasifikāciju un mainīt noteikšanas izvadus ar precizitātes, izšķirtspējas un datuma informāciju
- Spēja saprast, ka robežas, ko AI izvelk no attēla, ir jāapstiprina ar lauka un oficiāliem ierakstiem, un tās nevar būt juridisks pierādījums.
Nav iespējams pa vienam doties uz lauku, lai redzētu, kur, cik daudz un cik strauji pēdējā desmitgadē ir augusi pilsēta. Tā vietā plānotāji izmanto attālo uzrādi (Zemes attēlveidošana, izmantojot satelītus un lidaparātus un datu ieguve). Salīdzinot dažādu datumu satelītattēlus, varat atklāt jaunu būvniecību, zaudētu lauksaimniecības zemi, nelegālās būvniecības paplašināšanos vai zaļās zonas samazināšanos. AI ir spēcīgs paātrinātājs, klasificējot šos attēlus (katru pikseļu apzīmējot kā "struktūru", "augu", "ūdens" utt.) un atklājot izmaiņas starp diviem datumiem. Taču attēlu analīze ir pilna ar izšķirtspēju, datumu, ēnu, mākoņiem un klasifikācijas kļūdām. AI karogu “izmaiņas” var būt ēna, sezonāla atšķirība vai kļūda. Tāpēc nevienu no attēla izdarītiem secinājumiem nevar izmantot par pamatu tiesiskai darbībai, ja to neapstiprina lauka un oficiālie ieraksti.
Attālās izpētes pamatjēdzieni
Izšķirtspēja: laukums, ko aizņem pikselis uz zemes. 10 metru izšķirtspējā viens pikselis ir 10 x 10 metri; Neliela piebūve nav redzama. Augsta izšķirtspēja (piemēram, 0,3–1 metrs) nozīmē detalizētākus datus, bet dārgākus un retākus datus.
Spektra josla: satelīti arī ieraksta gaismu, ko acs neredz (piemēram, infrasarkano staru). Veģetācija spīd infrasarkanajā starā; tādējādi ir vieglāk atdalīt augu no struktūras. Tādi indeksi kā NDVI (vienkāršs kalkulators, kas mēra augu sparu) ir plaši izplatīti zaļo lauku izsekošanu.
Datums un sezona: ja divi attēli atrodas dažādos gadalaikos, zaļās krāsas samazināšanās var būt nevis "zaudējums", bet gan ziemas atnākšana. Salīdzinājumam būtiska ir datuma un sezonas harmonija.
Precizitāte: vērtība, kas nosaka klasifikācijas precizitāti. “85 procentu precizitāte” nozīmē, ka viens no katriem sešiem pikseļiem var būt nepareizi marķēts; Tā ir būtiska revīzijas procesa kļūdas robeža.
Uzmanību: Struktūra, ko AI atklāj no satelītattēla, pati par sevi nav pierādījums nelikumīgai struktūrai. Ēna, izšķirtspēja, datums un klasifikācijas kļūda rada viltus pozitīvus rezultātus. Pārbaudei un izpildei vienmēr ir nepieciešama vietas kontrole, īpašumtiesību dokumenta/licences reģistrācija un oficiāla mērījuma veikšana.
Lielākā vērtība, ko plānošanā sniedz bezmaksas un atvērtie satelīta dati (tādi avoti kā Eiropas Sentinel un ASV Landsat programmas), ir vēsturiskās laika rindas: jums ir piekļuve desmitiem attēlu no vienas un tās pašas teritorijas, kas aptver vairākus gadus. Tas ļauj veikt vairāk nekā vienu salīdzinājumu “pirms/pēc” un redzēt apkaimes izplešanās ātrumu, sezonālās svārstības un tendences. AI palīdz apkopot šīs garās sērijas un nošķirt nozīmīgus pārmaiņu modeļus no trokšņa. Taču tas pats noteikums attiecas uz laikrindām: neatkarīgi no tā, cik skaidra tendence parādās, rezultātu nosaka attēlu izšķirtspēja, mākoņu ātrums un sezonalitāte; Nevienu tendenci nevar uzskatīt par ticamu, ja neziņo par šiem trim faktoriem.
Izmaiņu noteikšanas loģika
Ir vairāki veidi, kā salīdzināt divus datētus attēlus: klasificējot gan datumus, gan salīdzinot klases, iegūstot indeksa atšķirību (piem., NDVI atšķirības) vai tieši izveidojot karti "mainīta/nav mainīta" ar AI modeli. Rezultāts ir pārmaiņu karte: kur ir jaunā struktūra, kur ir pazudis augs. Šī karte ir nenovērtējama kā sākotnējā pārbaude — tā liek plānotājam "paskatīties tur". Bet katra zīme tiek atsevišķi pārbaudīta, vai tās ir reālas izmaiņas vai kļūda.
Soli pa solim: ar AI darbināma izmaiņu analīze
- Definējiet jautājumu. “Kur [apgabalā] notiek jaunā apbūve no 2018. līdz 2024. gadam?”
- Izvēlieties attēlu. Līdzīga sezona, pieņemama izšķirtspēja, zems mākoņu daudzums.
- Iepriekšēja apstrāde. Nogādājiet to tajā pašā DRS, izlīdziniet, uzklājiet mākoņa/ēnu masku.
- Klasificēt/salīdzināt. Ģenerējiet klasi vai mainiet karti, izmantojot AI.
- Novērtējiet precizitāti. Mēra precizitāti ar zināmiem atskaites punktiem.
- Lauka un reģistrācijas apstiprinājums. Ja nepieciešams, pārbaudiet atzīmētās izmaiņas ar īpašumtiesību aktu/licenci un vietu.
- Pārskatu ierobežojumi. Skaidri uzrakstiet datumu, izšķirtspēju, precizitāti un kļūdas robežu.
Vāja uzvedne / spēcīga uzvedne
Vāja uzvedne: "Pastāstiet man, kas mainījās no šiem diviem attēliem."
AI veido jauku, bet nepārprotami precīzu sarakstu; Jūs varat domāt, ka atšķirība ēnā un sezonā ir reālas pārmaiņas.
Spēcīga uzvedne: "Es salīdzinu klasificētos zemes seguma datus no diviem datumiem (2018. gada jūlijs / 2024. gada jūlijs, tā pati sezona, 10 m izšķirtspēja). Ziņojot par izmaiņu analīzi, skaidri norādiet: kuras izmaiņas var būt kļūdaini pozitīvas ēnas/sezonas/izšķirtspējas dēļ, kurām noteikšanām ir nepieciešama lauka pārbaude un cik precizitāte ir jāmēra katram atradumam ar lauka apstiprinājumu."
Otrā uzvedne liek AI skaidri paziņot nenoteiktību un kļūdu avotus.
Četras kopējamas veidnes
Uzdevums: kritiski novērtējiet šādu izmaiņu noteikšanas rezultātu. Uzskaitiet iespējamos KĻŪDU avotus katrai noteikšanai: ēna, mākonis, sezona, izšķirtspēja, klasifikācijas kļūda. Pievienojiet piezīmi "Nepieciešams lauka apstiprinājums". Nepieņemiet galīgos spriedumus. Atzinumi / datums / rezolūcija: [...]
Uzdevums: Uzrakstiet attēlu atlases kritēriju kontrolsarakstu pilsētas pārmaiņu analīzei: sezonalitāte, izšķirtspēja, mākoņa ātrums, datumu diapazons, DRS. Izveidojiet jautājumus, lai jautātu, vai mani attēli atbilst šiem kritērijiem. Attēla informācija: [...]
Uzdevums: IZSTRĀDĀT ziņojumu no tālāk norādītajiem izmaiņu analīzes rezultātiem. Katrā atradumā skaidri norādiet izšķirtspēju, datumu, precizitāti un kļūdas robežu. Ietveriet rezultātus kā “priekšpārbaudi”; Uzsveriet, ka pārbaudei/sankcijas veikšanai ir nepieciešams lauka un oficiāls ieraksta apstiprinājums. Secinājumi: [...]
Uzdevums: Iesakiet vienkāršu veidu, kā novērtēt klasifikācijas precizitāti: cik atskaites punktu, kā izvēlēties, kā aprēķināt precizitāti (skaidrs skaidrojums). Kurš patiesības apgalvojums jāraksta ziņojumā, piemēram.Konteksts: [...]
Tabula: datu tips un lietojums
Dati
izšķirtspēju
stiprā puse
ierobežojums
vidējas izšķirtspējas satelīts
10-30 m
Brīva, bieža, plaša teritorija
Pietrūkst mazas struktūras
augstas izšķirtspējas satelīts
0,3-1 m
Detalizēta struktūras noteikšana
Dārgi, reti, mākoņu risks
Aerofoto / ortofoto
0,1-0,3 m
Ļoti detalizēti, formāli
Atjaunināšanas biežums ir zems
UAV (drone)
cm līmenī
Tūlītēji, ļoti detalizēti
Maza telpa, atļauja/likumdošana
trīs mini futrāļi
1. gadījums — ēnu ilūzija. Pašvaldība AI izmaiņu kartē apkaimē redz zīmes "jaunbūve". Laukuma komanda iet; Lielākā daļa zīmju ir garas ēkas ēnas pēcpusdienas attēlā. Faktiskais jauno būvju skaits ir puse no zīmēm. AI bija iepriekš pārbaudīts, taču, ja to izmantotu bez apstiprinājuma, tas radītu viltotas minūtes.
2. gadījums — nelielas konstrukcijas izbēgšana. Plānotājs mēģina izsekot mazām noliktavām lauksaimniecības laukā, izmantojot bezmaksas satelītu ar 10 metru izšķirtspēju. Tā kā noliktavas ir 6x8 metri, tās paliek zem viena pikseļa un nav redzamas. Plānotājs pārslēdzas uz augstas izšķirtspējas ortofoto, lai veiktu faktisko izsekošanu. Izšķirtspēja nosaka to, ko var redzēt.
3. gadījums — Pārredzams ziņojums. Viena komanda analizē reģiona izplatību 6 gadu laikā un ziņojumā skaidri raksta, ka "noteikumi ir provizoriska skenēšana ar 82% precizitāti; 47 punkti gaida lauka apstiprinājumu; attēla datumi un izšķirtspēja ir pievienoti." Parlaments rezultātu vērtē ar pareizu svaru. Ziņošana par nenoteiktību, nevis tās slēpšana, padara analīzi uzticamu.
Biežas kļūdas
- Kļūdaina noteikšana kā pierādījums. Attēls ir iepriekš skenēts; Tam nepieciešamas sankcijas un oficiāla reģistrācija.
- Sezonas/datuma neatbilstība. Dažādi sezonāli attēli rada nepatiesas atšķirības.
- Izšķirtspējas ignorēšana. Mazas struktūras nav redzamas zemā izšķirtspējā; Tas nav "neviens".
- Nespēja ziņot par precizitāti. Kļūdas robežas slēpšana noved pie nepareiziem lēmumiem.
- Aizmirstot ēnu un mākoni. Divi visbiežāk sastopamie viltus pozitīvu rezultātu avoti.
- DRS neatbilstība. Nelīdzinātie attēli mainās nepareizā vietā.
Rezumējot
Satelīta un aerofotoattēli ir visspēcīgākais veids, kā redzēt pilsētas izmaiņas mērogā un ātrumā; AI paātrina klasifikāciju un izmaiņu noteikšanu. Bet izšķirtspēja nosaka to, ko var redzēt, sezona un datums nosaka to, kas ir īsts, ēna un mākonis nosaka, kas ir viltus pozitīvs. Precizitāte vienmēr ir jāmēra un jāziņo. Vissvarīgākais: noteikšana no attēla ir iepriekšēja skenēšana; Kontrole uz vietas, īpašumtiesību apliecības/licences reģistrācija un oficiāla mērīšana ir būtiska pārbaudei un sankcijām. AI paātrina redzi, nevis lēmumu pieņemšanu.
Lietojumprogrammas uzdevums
Apsveriet attēlu pāri (vai scenārijus) ar diviem dažādiem datumiem. (1) Pārbaudiet attēla atlases kritērijus ar otro veidni: sezona, izšķirtspēja, vai mākonis der? (2) Pieņemiet izmaiņu noteikšanas sarakstu un izņemiet iespējamos kļūdu avotus katrai atklāšanai, izmantojot sākotnējo veidni. (3) Izveidojiet ziņojuma projektu ar trešo veidni un pievienojiet precizitāti un kļūdas robežu. (4) Pierakstiet, kurām noteikšanām būs nepieciešams lauka apstiprinājums un kā to darīsit.
kontrolsaraksts
- [ ] Es pārbaudīju attēlu sezonas, datuma un izšķirtspējas saderību.
- [ ] Es izlīdzināju attēlus ar to pašu DRS; Es ņēmu vērā mākoņu/ēnu masku.
- [ ] Es uztvēru izmaiņu noteikšanu kā sākotnējo pārbaudi, nevis kā pierādījumu.
- [ ] Es novērtēju un ziņoju par klasifikācijas precizitāti.
- Izmaiņas, kas atzīmētas ar [ ], apstiprināju ar lauka un oficiālajiem ierakstiem.
- [ ] Es atzīmēju, ko izšķirtspējas ierobežojums varētu izlaist.
- [ ] Ziņojumā es skaidri uzrakstīju datumu, izšķirtspēju un kļūdas robežu.