Winst:
- Mogelijkheid om met kunstmatige intelligentie te scannen op afwijkingen in satelliet-, luchtfotografie- en LiDAR-gegevens en elk bord te evalueren als een kandidaat die terreinbevestiging vereist
- Inzicht in de seizoens- en voorwaardelijke afhankelijkheid van planten-, bodem- en schaduwsporen en hoe natuurlijke/moderne valse positieven worden geëlimineerd.
- Mogelijkheid om toe te passen waarom gevoelige locatielocaties moeten worden beschermd tegen plundering en onscherp moeten zijn in de uitzending
Een van de meest opwindende ontwikkelingen in de archeologie is het vermogen om sporen ondergronds en aan de oppervlakte te zien zonder in de grond te graven. Remote sensing (een methode om een gebied te onderzoeken met satelliet-, vliegtuig- of dronebeelden zonder het fysiek aan te raken) is het krachtigste hulpmiddel om grote gebieden te scannen en mogelijke locaties (plaatsen met archeologische resten) op te sporen. In dit onderdeel leren we hoe AI afwijkingen markeert (sporen die verschillen van de omgeving, die door de mens kunnen zijn gemaakt) in satellietbeelden, luchtfoto's en LiDAR-gegevens, maar waarom elke markering in het veld moet worden bevestigd.
Basisprincipe: AI is een scan- en aanwijsassistent die in een groot gebied ‘kijk hier’ zegt; De beslissing "Dit is echt een terrein" wordt genomen door de landcontrole en de deskundige. Bij teledetectie is elk punt dat door AI wordt gemarkeerd een hypothese en geen ontdekking.
Soorten teledetectie
Satelliet- en luchtfotografie. Begraven structuren leiden tot differentiële groei van de grond en de vegetatie erboven. Het gewas op een muur is zwakker, op een sloot is het bossiger; Dit worden snijtekens genoemd. NDVI (een index die de gezondheid van de vegetatie meet; deze kwantificeert de vitaliteit van planten met behulp van infrarood licht) benadrukt deze verschillen. AI scant deze subtiele verschillen in grote afbeeldingen sneller dan een mens.
LiDAR. LiDAR (Light Detection and Ranging - technologie die een zeer nauwkeurige 3D-hoogtekaart van het oppervlak creëert door een laser vanuit een vliegtuig naar de grond te schieten en de terugkeertijd te meten) is het meest revolutionaire hulpmiddel. Het kenmerk is dat de laser door bomen heen de grond kan bereiken; Zo worden terpen, terrassen, wegen en funderingen van gebouwen onder het bos zichtbaar wanneer de vegetatie numeriek wordt "gepeld". AI markeert hobbels, putten en vloeiende geometrische vormen in deze hoogtegegevens.
Geofysica (aanvullend). Methoden zoals grondradar (GPR) en magnetisch onderzoek kijken net onder het oppervlak; AI helpt ook bij het zoeken naar afwijkende patronen in deze gegevens.
Sitedetectiestappen met AI
- Gegevensvoorbereiding. Afbeeldingen worden aangepast aan het coördinatensysteem (georeferentie), schaduw en contrast worden gecorrigeerd. In LiDAR wordt de vegetatie eruit gefilterd en ontstaat er een ‘kale grondmodel’.
- Anomalie scannen. AI markeert gladde geometrieën die mogelijk door de mens zijn gemaakt (ronde heuvel, rechthoekige structuur, lineaire sloot/weg).
- Eliminatie. De meeste tekens zijn natuurlijk (geologisch, agrarisch, modern). De expert elimineert degenen die duidelijk natuurlijk en modern zijn.
- Prioritering. De resterende kandidaatpunten worden geprioriteerd op basis van context en bekende sitedistributie.
- Bevestiging van land. Prioritaire punten worden ter plaatse gecontroleerd door oppervlakteonderzoek en, indien nodig, door te boren. Zonder bevestiging wordt geen enkel punt "sit" verklaard.
Tip: Beschouw tekenen van AI altijd als ‘een lijst met kandidaten met een hoog percentage vals-positieven’. Het doel is om op een intelligente manier de te bezoeken plaatsen in het veld te beperken; de ontdekking niet bekend te maken. Het terugbrengen van 200 landpunten naar 30 in een seizoen is een grote winst.
Gevoelige locatie: kritische privacy
Het ernstigste ethische en veiligheidsprobleem bij locatiedetectie is de vertrouwelijkheid van de locatie. De precieze coördinaten van een nieuw geïdentificeerde, onbeschermde locatie zijn een direct doelwit voor illegale gravers en schatzoekers. Daarom:
- Betreed geen openbare AI-voertuigen waarvan de exacte coördinaten niet zijn bevestigd.
- Vervaag de locatie van gevoelige sites in uitzendingen en presentaties (geef algemeen gebied, geen GPS).
- Bewaar gegevens in het beveiligde systeem van de organisatie en beperk de toegang.
Let op: als u de coördinaten van een site in een openbare dienst plakt en zegt: "Ik ga even een kaart laten tekenen", kan die site openstaan voor plundering. Locatiegegevens zijn een bezit dat net zo goed moet worden beschermd als de vondst zelf.
drie minikoffers
Geval 1 — De scan verkleinde het gebied. Een onderzoeksproject zou een gebied van 500 km² in kaart brengen. Door AI aangedreven LiDAR-analyse markeerde 120 mogelijke heuvels onder het bos. Na de eliminatie van experts blijven er 38 prioriteitsplaatsen over; 11 hiervan bleken echte archeologische structuren in het veld te zijn. AI heeft maanden van blind zoeken gecondenseerd tot een gericht seizoen.
Geval 2 – Vals positief was de les. Terwijl een team zich opgewonden voorbereidde om een glad, rond litteken, gemarkeerd door de AI, tot een "heuvel" te verklaren, toonde de deskundige geoloog aan dat het een natuurlijke depressie (dolin) was. Een verklaring afgelegd zonder bevestiging van het land kan een reputatieverlies betekenen. Les: AI ziet geometrie, geen interpretatie van de oorsprong.
Geval 3 — Locatielek voorkomen. Een leerling uploadde de afbeelding met de coördinaten van een nieuw gevonden site naar een openbare tool. De adviseur stopte; het gebied was nog steeds onbeschermd. De afbeelding is verwerkt zonder dat de coördinaatinformatie is verwijderd en alleen in het beveiligde systeem.
Vier kopieerbare sjablonen
1) Anomaliescanframe:
Jouw rol: assistent voor analyse van teledetectie. Ik zal u een kale grond (van LiDAR afgeleid) hoogtebeeld/gegevens geven. Markeer gladde geometrieën (rond, rechthoekig, lineair) die door de mens gemaakt KUNNEN zijn; Noteer voor elk de locatie, het formaat en waarom deze opmerkelijk is. Geef bij elk teken ook de mogelijkheid van een natuurlijke/moderne verklaring aan. Verklaar geen definitieve ‘sit’.
2) Vals-positieve eliminatie:
Hieronder vindt u de lijst met kandidaatpunten die de AI heeft gemarkeerd. Noem voor elk de natuurlijke en moderne verklaringen (geologische formatie, landbouwspoor, weg, fundering van gebouwen) die ik VOOR de terreincontrole kan elimineren. Noem de resterende ‘echt vage’ kandidaten afzonderlijk.
3) Landcontroleplan:
Mijn topkandidatenplaatsen zijn: [lijst]. Voor elk punt verschijnt een checklist met de indicatoren waar ik op moet letten bij bevestiging in het veld (oppervlaktebevindingen, topografie, bodemkleur, steendichtheid) en veilige/ethische veldregels (toestemming, vertrouwelijkheid van de locatie).
4) Locatievervaging voor uitzending:
Wanneer u de volgende site-informatie voorbereidt voor een publicatie/presentatie, stel dan voor hoe ik deze zou kunnen beschrijven ZONDER de exacte locatie te onthullen: vermeld welk niveau van generalisatie (provincie/regio) en welke informatie moet worden weggelaten. Het doel: een evenwicht tussen wetenschappelijke transparantie en bescherming tegen bederf.
Zwakke prompt/sterke prompt
Zwakke prompt:
Is er een archeologische vindplaats op dit satellietbeeld te zien? Geef de coördinaten ervan.
AI kan een natuurlijk spoor een ‘sit’ noemen en passen bij een zelfverzekerde coördinaat; Dit is gevaarlijk vanuit zowel wetenschappelijk als veiligheidsperspectief.
Krachtige prompt:
Jouw rol: remote sensing assistent. Markeer de gladde geometrische markeringen die KUNNEN door de mens zijn gemaakt in deze afbeelding. Voor elk spoor: (a) de vorm ervan, (b) waarom het opmerkelijk is, (c) natuurlijke/moderne alternatieve verklaring. Dit zijn kandidaten die alleen OP HET VELD moeten worden gecontroleerd; kondig geen "sit" aan. Genereer exacte coördinaten, beschrijf de relatieve positie.
Verschil: de eerste maakt ontdekking verklaard; deze laatste produceert een veilige lijst met te verifiëren kandidaten.
Beeldtypen en seizoenseffecten
Bij teledetectie werkt een beeld niet "altijd"; Er zijn de juiste omstandigheden nodig om het juiste spoor te zien. Gewassporen komen het beste tot uiting tijdens droge perioden waarin het gewas onder waterstress staat: de grond boven een ingegraven muur houdt minder water vast, waardoor het gewas daar vroeg geel wordt en als een lijn van bovenaf verschijnt. In een vochtige lentefoto verschijnt hetzelfde spoor mogelijk helemaal niet. Bodemsporen verschijnen wanneer verschillende gekleurde grond naar de oppervlakte komt nadat het veld is geploegd. Schaduwvlekken daarentegen onthullen lichte oneffenheden en kuilen met lange schaduwen bij laagstaande zon, in de ochtend of avond. Daarom is het noodzakelijk om een gebied niet met één enkele afbeelding te beoordelen, maar met veel afbeeldingen in verschillende seizoenen en tijden; AI versnelt deze meervoudige vergelijking.
Het voordeel van LiDAR is dat het deze toestandsafhankelijkheid grotendeels overwint: omdat het de oppervlaktetopografie rechtstreeks meet, is het minder afhankelijk van het vegetatieseizoen en kan het de onderlaag van het bos zien. Als het plantenfilter echter te agressief is bij het produceren van een 'kale grondmodel' in LiDAR, kan het de echte hobbels uitwissen, en als het te zacht is, kan het de bomen voor structuren aanzien; Deze filterbeslissingen vereisen deskundig toezicht.
Tip: Vraag bij het evalueren van een gebied: "in welk seizoen, op welk tijdstip en met welke methode?" Stel altijd de vraag. Als er geen spoor in een enkele afbeelding zit, betekent dit niet dat er geen site is; Misschien bekijk je het in de verkeerde staat.
Methode vergelijkingstabel
Methode
wat ziet
Bijdrage van AI
grens
Satelliet-/luchtfotografie
Plant-/bodemsporen
Scannen van een groot gebied
seizoen, resolutie
NDVI
Verschil in plantkracht
Litteken benadrukken
Verwart natuurlijke verschillen
LiDAR
oppervlakte topografie
geometrie van de ondergroei van het bos
Fouten in het installatiefilter
Geofysica (GPR/magnetisch)
ondergrondse structuur
Anomalie patroon
lokaal, langzaam
Veel voorkomende fouten
- Een anomalie voor een ontdekking aanzien. Het bord is een kandidaat; Zonder landbevestiging is het geen site.
- Het niet elimineren van natuurlijke/moderne sporen. Dolins, landbouwlittekens en pijpen verschijnen vaak als "structuren".
- De exacte coördinaat doorgeven aan het open voertuig. Risico op plunderingen; Locatie is een bezit dat beschermd moet worden.
- Vertrouwend op één enkel beeld. De interpretatie is onvolledig zonder verschillende seizoenen, verschillende methoden en terreinen.
- Het percentage valse positieven vergeten. De meeste borden zijn leeg; Dit is normaal, het doel wordt beperkter.
Samengevat
Bij teledetectie bespaart AI enorm veel tijd bij het scannen van grote gebieden en het markeren van mogelijke locaties. Maar elk teken is een hypothese die in het veld moet worden bevestigd; natuurlijke en moderne sporen worden zorgvuldig geëlimineerd; en het allerbelangrijkste: gevoelige locaties worden beschermd tegen plunderingen. AI zegt “kijk hier”; Het land en de deskundige beslissen of "deze plek beschermd is".
Applicatie taak
Kies een open access LiDAR- of satellietbeeld (uit uw eigen regio of uit een voorbeelddataset). Laat de AI mogelijke geometrieën markeren met de sjabloon ‘Anomalie scannen’ en elimineer vervolgens natuurlijke/moderne verklaringen met de sjabloon ‘False positive eliminatie’. Stel een landcontroleplan op voor de overige kandidaten en voeg een vertrouwelijkheidsnota van de locatie toe.
controlelijst
- [ ] Ik beschouwde de AI-signalen als "kandidaten", en niet als ontdekkingen.
- [ ] Ik heb geprobeerd natuurlijke en moderne sporen te elimineren.
- [ ] Ik heb landbevestiging gepland voor prioriteitskandidaten.
- [ ] De gevoelige locaties heb ik buiten het open voertuig gelaten en in de uitzending onscherp gemaakt.
- [ ] Ik heb er rekening mee gehouden dat het percentage fout-positieven hoog kan zijn.