Gevinster:
- Evne til å sette opp og kjøre arbeidsflytautomatisering med AI-støtte med PyQGIS og modelldesigner
- Evne til å administrere personvern, opphavsrett, lisens og ingeniøransvarsgrenser i et ende-til-ende-prosjekt
- Evne til å designe et geomatikkprosjekt i en AI-aktivert, men verifikasjonsentrisk flyt fra datainnsamling til levering
Moduleksamen
1. Hvilket av følgende er det grunnleggende prinsippet som bestemmer risikoen for en AI-utgang i undersøkelsesteknikk?
- A) Risikoen for en utgang er lik skaden den ville forårsake hvis utgangen var feil; valideringsskalaer tilsvarende ✔
- B) AI-utdata er generelt trygt da det er skrevet flytende og trygt
- C) Validering er unødvendig når den nyeste modellen brukes
- D) Hvis utgangen refererer til en standard, er det ikke nødvendig med ytterligere kontroll
Forklaring: Risikoen for en utgang er lik skaden den vil forårsake hvis utgangen er feil. Mens en mindre feil i et litteraturoppsummering stort sett er ufarlig, kan en feil i en matrikkelgrense eller høydeverdi føre til eiendomskrenkelse, feilaktig byggeanvendelse og skade på eiendom; så verifikasjonsintensiteten skalerer med potensiell skade.
2. Hvilken oppgave er sikrest og mest hensiktsmessig tildelt AI i kvalitetskontroll av et GNSS-målesett?
- A) Til slutt å akseptere nøyaktigheten til punktkoordinatene og erklære dem klare for registrering
- B) Redigering av rå observasjonstabeller og markering av mulige uteliggere/inkonsekvenser ✔
- C) Bekrefte bruksverdier direkte uten å se på måleprinsipper
- D) Betrakter resultatet som gyldig uten beregning av sluttfeil
Forklaring: AIs sikreste bidrag er tilleggsoppgaver som ingeniøren kan kontrollere, for eksempel organisering av spredte rådata og merknader, flagging av inkonsekvenser og uteliggere. Den endelige aksepten av nøyaktigheten til punktkoordinaten forblir med ingeniørens godkjenning, inkludert lukkefeil og måleprinsipper; AI som sier "poenget er helt riktig" er ikke bevis.
3. Hvilken informasjon må tydelig oppgis til AI i forespørselen om koordinattransformasjon?
- A) Kun navn på punkter
- B) Bare navnet på målprojeksjonen, datum er uviktig
- C) Kilde- og målkoordinatsystem (datum + projeksjon/EPSG) og transformasjonsparametere ✔
- D) Navn på personen som foretar målingen
Forklaring: Koordinattransformasjon gir bare mening hvis kildesystemet, målsystemet (datum + projeksjon, f.eks. EPSG-kode) og de nødvendige transformasjonsparametrene er spesifisert. Bare det å si "konverter dette til UTM" gjør det uklart hvilket datum som flyttes fra til hvilket datum og kan føre til en datumforskyvning på meter.
4. Hvilken av følgende er den mest praktiske måten å verifisere resultatet av en transformasjon på?
- A) Ser på antall desimaler i utgangen
- B) Ser på hvor raskt modellen gir svaret
- C) Overføre resultatet til CAD uten å sjekke det i det hele tatt
- D) Sette kontrollpunktet hvis koordinater er kjent gjennom samme transformasjon og sammenligne det med forventet verdi ✔
Forklaring: Passering av ett eller flere kontrollpunkter hvis koordinater er kjent gjennom samme transformasjon og sammenligne dem med forventet verdi, avslører raskt både parameter- og nullpunktfeil. Systematisk forskjell på titalls meter er typisk feil datum/parametertegn. Det faktum at utgangen virker jevn er ikke bevis på korrekthet.
5. Hva er den mest kritiske forutsetningen for korrekte buffer- og arealberegninger i GIS?
- A) Laget er i riktig metrisk (projeksjon) koordinatsystem ✔
- B) Farge på laget
- C) Kolonnerekkefølge i attributttabellen
- D) Filnavnet til laget skal være kort
Forklaring: Avstands- og arealberegninger er bare meningsfulle i et metrisk (projisert) koordinatsystem. Direkte bufring i geografiske koordinater (breddegrad/lengdegrad i grader) gir unøyaktige resultater på grunn av grad-meterforvirring. Derfor må laget plasseres i passende projeksjon før analyse.
6. Hva er standardmåten for å måle nøyaktigheten til et landdekkekart i satellittbildeklassifisering?
- A) Ser på hvor levende fargene på kartet er
- B) Etablere en feilmatrise med uavhengige grunnsannhetsprøver og beregne total nøyaktighet/Kappa ✔
- C) Stole på det store antallet klasser
- D) Ser på oppløsningen til bildet og antar nøyaktighet
Beskrivelse: Klassifiseringsnøyaktighet evalueres ved å etablere en forvirringsmatrise med uavhengige grunnsannhetsprøver og rapportere den med beregninger som total nøyaktighet og Kappa. Kartets 'gode utseende' eller livligheten til klassefarger er ikke bevis på nøyaktighet.
7. Hva er grunnelementet som sikrer posisjonsnøyaktighet i fotogrammetrisk ortofoto- og DSM-produksjon?
- A) Bare ta mange bilder
- B) UAV er en dyr modell
- C) Nøyaktighetskontroll med nøyaktig målte bakkekontrollpunkter og uavhengige kontrollpunkter ✔
- D) Flyturen bør gjøres på en overskyet dag
Beskrivelse: Bakkekontrollpunkter (GCP) kobler den fotogrammetriske modellen til det virkelige koordinatsystemet og bestemmer skala/plasseringsnøyaktighet. I tillegg testes nøyaktigheten ved å beregne RMSE med uavhengige kontrollpunkter som ikke kommer inn i modellen. Bare å øke antall bilder eller gjøre UAVen dyr garanterer ikke nøyaktighet.
8. Hvilket trinn er obligatorisk for å generere digital terrengmodell (DTM) fra LiDAR punktsky?
- A) Gjøre alle punkter til en overflate som den er
- B) Bruker kun de høyeste punktene
- C) Sletting av tetthetsverdier
- D) Separere ikke-jorde (bygning, tre) punkter med bakkefiltrering ✔
Beskrivelse: DTM representerer barmarksoverflate; Derfor må ikke-bakkepunkter som bygninger, trær, kjøretøyer skilles (bakkefiltrering/klassifisering). Hvis dette trinnet hoppes over, oppnås toppflaten (DSM), ikke DTM. AI kan fremskynde klassifiseringen, men resultatet må valideres med profiltverrsnitt.
9. Hva er en av de vanligste og mest risikofylte feilene i automatisk kartgenerering med AI?
- A) Hopp over obligatoriske elementer som skala, forklaring, koordinatsystem og nøyaktighetsvurdering ✔
- B) Bruker for mange sjekkpunkter
- C) Gruppering av lag
- D) Legge til en tittel på arket
Forklaring: Automatisk symbolisering og merking går raskt, men hvis viktige kartografiske elementer som målestokk, legende, nordpil, koordinatsystem og nøyaktighetsnotat mangler, blir kartet misvisende og offisielt ubrukelig. Visuell appell er ingen erstatning for disse essensielle elementene.
10. Hva bør være status for AI-utdata når man arbeider med matrikkel- og matrikkeldata?
- A) Det anses som endelige data som kan registreres direkte i skjøtet.
- B) Tatt som en foreløpig sjekk/utkast; Endelig gyldighet avhenger av måling, lovverk og myndighetsgodkjenning ✔
- C) Løs eiendomstvister alene
- D) Det blir et offisielt dokument uten behov for noen kontroll.
Forklaring: Matrikkelgrense-, område- og eieropplysninger har juridiske konsekvenser; AI produserer flest forhåndsflyginger, inkonsekvensskanninger og utkast. Endelig gyldighet avhenger av måling, lovverk og autorisert ingeniør/institusjonsgodkjenning. Å erklære AI-utgang som "endelig" skaper juridisk og profesjonell risiko.
11. Hva er den viktigste kontrollen å gjøre før du bruker et AI-generert GeoPandas/PyProj-skript?
- A) Forutsatt at det er riktig fordi koden er lang
- B) Med tanke på at det er nok til at det fungerer uten feil
- C) Kjør den med små, kjente testdata og verifiser CRS og ranger ✔
- D) Godkjenne variabelnavn som fine
Forklaring: Den produserte koden skal kjøres med en liten testdata hvis resultat er kjent og forventet utgang og rangering bør kontrolleres. Spesielt om CRS-definisjonen (koordinatsystem) er tilordnet riktig er en kritisk feil; falsk CRS produserer stillestående meter med drift. Bare fordi koden "fungerer" betyr ikke at den er riktig.
12. Hva er riktig tilnærming når man gir et matrikkel-/adressedatasett som inneholder lokasjonsdata og personlig informasjon til AI?
- A) Send all reell eier- og identitetsinformasjon som den er
- B) Ignorerer personvernet fordi det ville være fordelaktig
- C) Lime inn data i et offentlig forum
- D) Anonymisering av personopplysninger eller arbeid med representative verdier/godkjent miljø ✔
Forklaring: Data som inneholder personopplysninger (eiernavn, TR-ID, sensitiv lokasjon) skal ikke sendes til en ekstern modell i strid med bedriftens retningslinjer og lovgivning. Data bør anonymiseres, prøve/representative verdier bør brukes, eller et godkjent/internt miljø bør brukes. Begrunnelsen «nyttig uansett» eliminerer ikke taushetsplikten.
13. Hva er hovedhensikten med å bruke NDVI-indeksen i en jorddekkeklassifisering?
- A) Måling av vegetasjonslevedyktighet/tetthet fra nær infrarøde og røde bånd ✔
- B) Måling av høyden på landet i meter
- C) Fastsettelse av pakkeeier
- D) Transformering av koordinatsystemet
Beskrivelse: NDVI (Normalized Difference Vegetation Index) måler kraften/tettheten til grønn vegetasjon ved å bruke forskjellen mellom infrarøde og røde bånd. Vegetasjon er en kraftig markør for å skille mellom vann og barmark. Høyde alene måler eller bestemmer ikke eierskap.
14. Hvilken påstand er mest nøyaktig for rollen til AI-utgang i en sikkerhetskritisk applikasjon eller matrikkeljobb?
- A) Hvis AI-utgangen er flytende nok, er det ikke behov for ingeniørgodkjenning
- B) AI er en akselerator; Erstatter ikke kompetent ingeniørgodkjenning og ansvar ✔
- C) Ansvaret går over til selskapet som produserer modellen
- D) Ingen godkjenning kreves ved bruk av den dyreste modellen
Uttalelse: I prosjektering og kartproduksjon erstatter ikke AI-utdata kontroll og godkjenning av en kompetent ekspert i arbeid som har sikkerhetsmessige og juridiske konsekvenser; Det er bare en akselerator og et trekkgenererende verktøy. Det endelige ansvaret og signaturen forblir hos den autoriserte ingeniøren.