ਲਾਭ:
- ਪ੍ਰਸ਼ਨ ਦੇ ਅਨੁਸਾਰ ਸੈਟੇਲਾਈਟ (ਵਿਆਪਕ ਖੇਤਰ) ਅਤੇ ਸੈਂਸਰ (ਸਥਾਨਕ) ਡੇਟਾ ਦੀ ਚੋਣ ਕਰਨ ਅਤੇ ਕਲਾਉਡ ਮਾਸਕ ਨੂੰ ਲਾਗੂ ਕਰਕੇ ਐਨਡੀਵੀਆਈ ਵਰਗੇ ਸੂਚਕਾਂਕ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਅਤੇ ਗੁਣਵੱਤਾ ਨਿਯੰਤਰਣ ਦੁਆਰਾ IoT ਸੈਂਸਰ ਡੇਟਾ ਨੂੰ ਪਾਸ ਕਰਕੇ ਅਸਲ ਸਿਗਨਲ ਤੋਂ ਵਹਿਣ ਅਤੇ ਖਰਾਬੀ ਨੂੰ ਵੱਖ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਇੱਕ ਸਿੰਗਲ ਮਿਤੀ ਦੀ ਬਜਾਏ ਇੱਕ ਰੁਝਾਨ 'ਤੇ ਨਿਗਰਾਨੀ ਖੋਜ ਨੂੰ ਅਧਾਰ ਬਣਾਉਣ ਅਤੇ ਜ਼ਮੀਨੀ ਸੱਚਾਈ ਜਾਂ ਸੁਤੰਤਰ ਡੇਟਾ ਦੇ ਨਾਲ ਇੱਕ ਤਸਦੀਕ ਯੋਜਨਾ ਸਥਾਪਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
ਵਾਤਾਵਰਨ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਪਹਿਲਾਂ ਇਸ ਨੂੰ ਦੇਖਣਾ ਜ਼ਰੂਰੀ ਹੈ। ਇਹ ਜਾਣਨਾ ਜ਼ਰੂਰੀ ਹੈ ਕਿ ਕੋਈ ਜੰਗਲ ਕਿੰਨਾ ਛੋਟਾ ਹੋ ਗਿਆ ਹੈ, ਕੋਈ ਨਦੀ ਕਿੰਨੀ ਪ੍ਰਦੂਸ਼ਿਤ ਹੈ ਜਾਂ ਕਿੰਨੀ ਮੀਥੇਨ ਲੀਕ ਹੋ ਰਹੀ ਹੈ, ਇਹ ਅੰਦਾਜ਼ਾ ਲਗਾ ਕੇ ਨਹੀਂ, ਪਰ ਅੰਕੜਿਆਂ ਦੁਆਰਾ। ਵਾਤਾਵਰਣ ਦੀ ਨਿਗਰਾਨੀ ਵਾਤਾਵਰਣ ਦੀ ਸਥਿਤੀ ਦਾ ਨਿਯਮਤ ਅਤੇ ਦੁਹਰਾਉਣ ਯੋਗ ਮਾਪ ਹੈ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਤੁਸੀਂ ਦੋ ਵੱਡੇ ਡਾਟਾ ਸਰੋਤਾਂ ਬਾਰੇ ਸਿੱਖੋਗੇ — ਸਪੇਸ ਤੋਂ ਦੇਖ ਰਹੇ ਉਪਗ੍ਰਹਿ ਅਤੇ ਖੇਤਰ ਵਿੱਚ ਸੈਂਸਰ — ਅਤੇ ਇਸ ਵਿਸ਼ਾਲ ਡੇਟਾ ਨੂੰ ਸਮਝਣ ਵਿੱਚ AI ਦੀ ਭੂਮਿਕਾ।
ਸੰਕਲਪ ਪਹਿਲਾਂ. ਰਿਮੋਟ ਸੈਂਸਿੰਗ ਕਿਸੇ ਵਸਤੂ ਨੂੰ ਛੂਹਣ ਤੋਂ ਬਿਨਾਂ ਦੂਰੀ (ਸੈਟੇਲਾਈਟ ਜਾਂ ਹਵਾਈ ਜਹਾਜ਼ ਤੋਂ) ਪ੍ਰਤੀਬਿੰਬਤ ਪ੍ਰਕਾਸ਼ ਨੂੰ ਮਾਪ ਕੇ ਜਾਣਕਾਰੀ ਇਕੱਠੀ ਕਰ ਰਹੀ ਹੈ। IoT ਸੈਂਸਰ (ਇੰਟਰਨੈੱਟ ਆਫ਼ ਥਿੰਗਜ਼) ਇੱਕ ਛੋਟਾ ਜਿਹਾ ਯੰਤਰ ਹੈ ਜੋ ਫੀਲਡ ਵਿੱਚ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਆਪਣੇ ਆਪ ਹੀ ਮਾਪਿਆ ਮੁੱਲ (ਤਾਪਮਾਨ, ਹਵਾ ਦੀ ਗੁਣਵੱਤਾ, ਪਾਣੀ ਦਾ ਪੱਧਰ) ਇੰਟਰਨੈਟ 'ਤੇ ਭੇਜਦਾ ਹੈ। ਇਕੱਠੇ ਮਿਲ ਕੇ, ਉਹ ਵਾਤਾਵਰਣ ਦੀ ਇੱਕ ਵਿਆਪਕ (ਸੈਟੇਲਾਈਟ) ਅਤੇ ਸਥਾਨਕ (ਸੈਂਸਰ) ਤਸਵੀਰ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ।
ਸੈਟੇਲਾਈਟ ਡੇਟਾ ਨੂੰ ਕਿਵੇਂ ਪੜ੍ਹਨਾ ਹੈ?
ਸੈਟੇਲਾਈਟ ਸਿਰਫ਼ ਤਸਵੀਰਾਂ ਹੀ ਨਹੀਂ ਲੈਂਦੇ; ਪ੍ਰਕਾਸ਼ ਦੀਆਂ ਵੱਖ-ਵੱਖ ਤਰੰਗ-ਲੰਬਾਈ ("ਬੈਂਡ") ਨੂੰ ਮਾਪਦਾ ਹੈ। ਇਹਨਾਂ ਬੈਂਡਾਂ ਦਾ ਗਣਿਤਿਕ ਸੁਮੇਲ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਨੰਗੀ ਅੱਖ ਲਈ ਕੀ ਅਦਿੱਖ ਹੈ। ਸਭ ਤੋਂ ਮਸ਼ਹੂਰ ਉਦਾਹਰਨ NDVI (ਸਧਾਰਨ ਅੰਤਰ ਬਨਸਪਤੀ ਸੂਚਕਾਂਕ): ਇਹ ਬਨਸਪਤੀ ਦੀ ਘਣਤਾ ਨੂੰ 0 ਅਤੇ 1 ਦੇ ਵਿਚਕਾਰ ਇੱਕ ਸੰਖਿਆ ਦੇ ਨਾਲ ਮਾਪਦਾ ਹੈ, ਇਸ ਸਿਧਾਂਤ ਦੇ ਅਧਾਰ ਤੇ ਕਿ ਸਿਹਤਮੰਦ ਪੌਦੇ ਇਨਫਰਾਰੈੱਡ ਰੋਸ਼ਨੀ ਨੂੰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਪ੍ਰਤਿਬਿੰਬਤ ਕਰਦੇ ਹਨ। NDVI ਵਿੱਚ ਕਮੀ ਦਾ ਮਤਲਬ ਜੰਗਲਾਂ ਦੀ ਕਟਾਈ, ਸੋਕਾ ਜਾਂ ਨੁਕਸਾਨ ਹੋ ਸਕਦਾ ਹੈ।
ਸਭ ਤੋਂ ਆਮ ਮੁਫਤ ਅਤੇ ਖੁੱਲ੍ਹੇ ਉਪਗ੍ਰਹਿ ਸਰੋਤ ਸੈਂਟੀਨੇਲ (ਯੂਰਪੀਅਨ ਕੋਪਰਨਿਕਸ ਪ੍ਰੋਗਰਾਮ) ਅਤੇ ਲੈਂਡਸੈਟ (ਯੂਐਸਏ) ਸੈਟੇਲਾਈਟ ਹਨ। ਇਹਨਾਂ ਨੂੰ ਪਲੇਟਫਾਰਮਾਂ ਜਿਵੇਂ ਕਿ ਗੂਗਲ ਅਰਥ ਇੰਜਣ ਜਾਂ ਪਾਈਥਨ (ਲਾਇਬ੍ਰੇਰੀਆਂ ਜਿਵੇਂ ਕਿ ਰਾਸਟਰੀਓ, ਐਕਸਰੇ ਨਾਲ) ਰਾਹੀਂ ਐਕਸੈਸ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
ਸੰਕੇਤ: ਸੈਟੇਲਾਈਟ ਡੇਟਾ ਦਾ ਸਭ ਤੋਂ ਵੱਡਾ ਦੁਸ਼ਮਣ ਕਲਾਉਡ ਹੈ। ਕੀ ਇੱਕ NDVI ਡਰਾਪ ਜੰਗਲ ਦਾ ਅਸਲ ਨੁਕਸਾਨ ਹੈ, ਜਾਂ ਕੀ ਉਸ ਦਿਨ ਇਸ ਉੱਤੇ ਬੱਦਲ ਸੀ? ਹਮੇਸ਼ਾ ਇੱਕ ਕਲਾਉਡ ਮਾਸਕ ਲਾਗੂ ਕਰੋ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਕਈ ਤਾਰੀਖਾਂ ਦੀ ਤੁਲਨਾ ਕਰੋ।
IoT ਸੈਂਸਰ ਡਾਟਾ ਅਤੇ ਕੈਲੀਬ੍ਰੇਸ਼ਨ
ਸੈਂਸਰ ਸਸਤੇ ਅਤੇ ਆਮ ਹਨ, ਪਰ ਸੰਪੂਰਨ ਨਹੀਂ ਹਨ। ਇੱਕ ਘੱਟ ਕੀਮਤ ਵਾਲਾ ਹਵਾ ਗੁਣਵੱਤਾ ਸੈਂਸਰ ਸਮੇਂ ਦੇ ਨਾਲ ਵਹਿ ਜਾਵੇਗਾ, ਨਮੀ ਦੁਆਰਾ ਪ੍ਰਭਾਵਿਤ ਹੋਵੇਗਾ, ਜਾਂ ਅਸਫਲ ਹੋ ਜਾਵੇਗਾ। ਇਸ ਲਈ, ਇਸਦੇ ਕੱਚੇ ਰੂਪ ਵਿੱਚ ਸੈਂਸਰ ਡੇਟਾ ਭਰੋਸੇਯੋਗ ਨਹੀਂ ਹੈ; ਕੈਲੀਬ੍ਰੇਸ਼ਨ (ਕਿਸੇ ਜਾਣੇ-ਪਛਾਣੇ ਸੰਦਰਭ ਉਪਕਰਣ ਨਾਲ ਤੁਲਨਾ ਕਰਕੇ ਸੁਧਾਰ) ਅਤੇ ਗੁਣਵੱਤਾ ਨਿਯੰਤਰਣ ਜ਼ਰੂਰੀ ਹਨ।
ਇੱਥੇ AI; ਇਹ ਵੱਡੇ ਚਿੱਤਰ ਅਤੇ ਸਮਾਂ ਲੜੀ ਦੇ ਡੇਟਾ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਨ ਲਈ ਕੋਡ ਲਿਖਣ ਵਿੱਚ ਬਹੁਤ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੈ, ਵਿਗਾੜਾਂ (ਅਚਾਨਕ ਭਟਕਣਾ) ਲਈ ਸਕੈਨ ਕਰਨਾ, ਇੱਕ ਵਰਗੀਕਰਨ ਮਾਡਲ ਸਥਾਪਤ ਕਰਨਾ ਅਤੇ ਖੋਜਾਂ ਨੂੰ ਸੰਖੇਪ ਕਰਨਾ। ਪਰ ਮਾਪ ਦੀ ਭੌਤਿਕ ਹਕੀਕਤ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਫੈਸਲੇ ਤੇ ਹੇਠਾਂ ਆਉਂਦੀ ਹੈ ਅਤੇ ਸਵਾਲ "ਕੀ ਇਹ ਸੰਕੇਤ ਅਸਲੀ ਹੈ ਜਾਂ ਕੀ ਇਹ ਰੌਲਾ ਹੈ?" ਵਿਆਖਿਆ ਮਾਹਰ ਦੀ ਹੈ।
ਕਦਮ ਦਰ ਕਦਮ: ਇੱਕ ਟਰੈਕਿੰਗ ਵਿਸ਼ਲੇਸ਼ਣ
1. ਸਵਾਲ ਦੀ ਪਰਿਭਾਸ਼ਾ ਦਿਓ। "2020 ਅਤੇ 2024 ਦੇ ਵਿਚਕਾਰ ਇਸ 10,000 ਹੈਕਟੇਅਰ ਖੇਤਰ ਵਿੱਚ ਬਨਸਪਤੀ ਕਿਵੇਂ ਬਦਲੀ?" ਇੱਕ ਸਪਸ਼ਟ, ਸਥਾਨਿਕ ਅਤੇ ਅਸਥਾਈ ਸਵਾਲ ਜਿਵੇਂ:
2. ਡਾਟਾ ਸਰੋਤ ਚੁਣੋ। ਸੈਟੇਲਾਈਟ (ਚੌੜਾ ਖੇਤਰ) ਜਾਂ ਸੈਂਸਰ (ਸਥਾਨਕ, ਨਿਰੰਤਰ)? ਕੀ ਰੈਜ਼ੋਲੂਸ਼ਨ ਅਤੇ ਬਾਰੰਬਾਰਤਾ ਪ੍ਰਸ਼ਨ ਲਈ ਉਚਿਤ ਹਨ?
3. ਪ੍ਰੀ-ਪ੍ਰਕਿਰਿਆ। ਕਲਾਉਡ ਮਾਸਕ, ਕੈਲੀਬਰੇਟ, ਫਲੈਗ ਗੁੰਮ ਡੇਟਾ। ਜੇਕਰ ਇਹ ਕਦਮ ਛੱਡ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਨਤੀਜਾ ਗੁੰਮਰਾਹਕੁੰਨ ਹੁੰਦਾ ਹੈ।
4. ਸੂਚਕਾਂਕ/ਮੈਟ੍ਰਿਕ ਦੀ ਗਣਨਾ ਕਰੋ। NDVI, ਤਾਪਮਾਨ ਔਸਤ, ਪ੍ਰਦੂਸ਼ਕ ਗਾੜ੍ਹਾਪਣ।
5. ਤਬਦੀਲੀ ਅਤੇ ਅਸੰਗਤਤਾ ਲੱਭੋ। ਰੁਝਾਨ ਵਿਸ਼ਲੇਸ਼ਣ, ਥ੍ਰੈਸ਼ਹੋਲਡ ਕਰਾਸਿੰਗ, ਅਚਾਨਕ ਛਾਲ.
6. ਫੀਲਡ ਨਾਲ ਪੁਸ਼ਟੀ ਕਰੋ। ਹੋ ਸਕੇ ਤਾਂ ਜ਼ਮੀਨੀ ਸੱਚਾਈ ਨਾਲ ਪੁਸ਼ਟੀ ਕਰੋ; ਫੀਲਡ ਵਿਜ਼ਿਟ ਜਾਂ ਸੁਤੰਤਰ ਡੇਟਾ ਦੇ ਨਾਲ ਇੱਕ ਸੈਟੇਲਾਈਟ ਸਿਗਨਲ ਪ੍ਰਦਾਨ ਕਰੋ।
ਤਿੰਨ ਛੋਟੇ ਕੇਸ
ਕੇਸ 1 - ਬੱਦਲ ਲਈ ਡਿੱਗਣਾ। ਇੱਕ ਵਾਤਾਵਰਨ NGO "ਅਚਾਨਕ ਜੰਗਲਾਂ ਦੀ ਕਟਾਈ" ਬਾਰੇ ਅਲਾਰਮ ਵੱਜਣ ਵਾਲੀ ਸੀ ਜਦੋਂ ਉਸਨੇ ਦੇਖਿਆ ਕਿ ਇੱਕ ਖੇਤਰ ਵਿੱਚ NDVI ਇੱਕ ਮਹੀਨੇ ਵਿੱਚ 40% ਘਟ ਗਿਆ ਹੈ। ਜਦੋਂ ਵਿਸ਼ਲੇਸ਼ਕ ਨੇ ਇੱਕ ਕਲਾਉਡ ਮਾਸਕ ਲਗਾਇਆ ਅਤੇ ਗੁਆਂਢੀ ਤਾਰੀਖਾਂ ਨੂੰ ਦੇਖਿਆ, ਤਾਂ ਉਸਨੇ ਦੇਖਿਆ ਕਿ ਉਸ ਦਿਨ ਦਾ ਜ਼ਿਆਦਾਤਰ ਚਿੱਤਰ ਬੱਦਲਵਾਈ ਸੀ, ਅਤੇ ਅਗਲੇ ਬੱਦਲ ਰਹਿਤ ਚਿੱਤਰ ਵਿੱਚ, NDVI ਆਮ ਵਾਂਗ ਵਾਪਸ ਆ ਗਿਆ। ਗਲਤ ਅਲਾਰਮ ਰੋਕਿਆ ਗਿਆ। ਗੁਆਚਿਆ ਸਮਾਂ: 20 ਮਿੰਟ, ਨੇਕਨਾਮੀ ਹਾਸਲ ਕੀਤੀ: ਅਨਮੋਲ।
ਕੇਸ 2 - ਕੈਲੀਬ੍ਰੇਟਿਡ ਸੈਂਸਰ। ਇੱਕ ਨਗਰਪਾਲਿਕਾ ਘੱਟ ਕੀਮਤ ਵਾਲੇ PM2.5 (2.5 ਮਾਈਕਰੋਨ ਤੋਂ ਛੋਟੇ ਕਣ — ਵਧੀਆ ਸਾਹ ਲੈਣ ਯੋਗ ਧੂੜ) ਸੈਂਸਰਾਂ ਦੇ ਡੇਟਾ ਦੇ ਨਾਲ ਇੱਕ "ਹਵਾ ਬਹੁਤ ਪ੍ਰਦੂਸ਼ਿਤ" ਰਿਪੋਰਟ ਤਿਆਰ ਕਰ ਰਹੀ ਸੀ। ਜਦੋਂ ਮਾਹਰ ਨੇ ਸੈਂਸਰਾਂ ਦੀ ਇੱਕ ਹਵਾਲਾ ਸਟੇਸ਼ਨ ਨਾਲ ਤੁਲਨਾ ਕੀਤੀ, ਤਾਂ ਉਸਨੇ ਪਾਇਆ ਕਿ ਉਹਨਾਂ ਨੇ ਉੱਚ ਨਮੀ 'ਤੇ ਮੁੱਲ ਨੂੰ ਦੋ ਗੁਣਾ ਤੱਕ ਦਾ ਅਨੁਮਾਨ ਲਗਾਇਆ ਹੈ। ਜਦੋਂ ਨਮੀ ਸੁਧਾਰ (ਕੈਲੀਬ੍ਰੇਸ਼ਨ) ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਸੀ, ਅਸਲ ਮੁੱਲ ਪ੍ਰਗਟ ਹੋਏ; ਦਹਿਸ਼ਤ ਟਲ ਗਈ।
ਕੇਸ 3 - ਕੋਡ ਆਟੋਮੇਸ਼ਨ। ਇੱਕ ਖੋਜ ਟੀਮ ਨੇ 200 ਸੈਟੇਲਾਈਟ ਚਿੱਤਰਾਂ ਤੋਂ NDVI ਰੁਝਾਨਾਂ ਨੂੰ ਕੱਢਣ ਲਈ ਹੱਥੀਂ ਕੰਮ ਕਰਨ ਲਈ ਹਫ਼ਤੇ ਬਿਤਾਉਣ ਦੀ ਯੋਜਨਾ ਬਣਾਈ ਹੈ। ਉਹਨਾਂ ਕੋਲ ਗੂਗਲ ਅਰਥ ਇੰਜਣ ਅਤੇ ਪਾਈਥਨ ਕੋਡ (ਕਲਾਊਡ ਮਾਸਕ + ਮਾਸਿਕ NDVI ਔਸਤ + ਰੁਝਾਨ ਗ੍ਰਾਫ) ਦੇ ਨਾਲ ਇੱਕ ਆਟੋਮੇਟਿਡ ਵਰਕਫਲੋ ਲਿਖਣਾ ਏ.ਆਈ. ਵਿਸ਼ਲੇਸ਼ਣ ਨੇ 200 ਚਿੱਤਰਾਂ ਲਈ ਕੁਝ ਮਿੰਟ ਲਏ; ਟੀਮ ਨੇ ਨਤੀਜੇ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਲਈ ਆਪਣਾ ਸਮਾਂ ਸਮਰਪਿਤ ਕੀਤਾ। ਉਹਨਾਂ ਨੇ ਕੋਡ ਦੇ ਹਰ ਪੜਾਅ ਦੀ ਜਾਂਚ ਕੀਤੀ।
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:
ਸੈਟੇਲਾਈਟ ਡੇਟਾ ਤੋਂ ਜੰਗਲਾਂ ਦੀ ਕਟਾਈ ਦਾ ਪਤਾ ਲਗਾਓ।
ਇਹ ਕਮਜ਼ੋਰ ਕਿਉਂ ਹੈ: ਕੋਈ ਡੋਮੇਨ, ਮਿਤੀ ਰੇਂਜ, ਡੇਟਾ ਸਰੋਤ, ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਅਤੇ ਕਲਾਉਡ ਪ੍ਰੋਸੈਸਿੰਗ ਨਹੀਂ। AI ਇੱਕ ਆਮ ਟੈਕਸਟ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਨਾ ਕਿ ਇੱਕ ਚੱਲਣਯੋਗ ਵਿਸ਼ਲੇਸ਼ਣ।
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਰਿਮੋਟ ਸੈਂਸਿੰਗ ਵਿਸ਼ਲੇਸ਼ਕ। ਪਾਈਥਨ (ਧਰਤੀ ਇੰਜਣ) ਕੋਡ ਲਿਖੋ ਜੋ ਸੈਂਟੀਨੇਲ-2 ਡੇਟਾ ਦੇ ਨਾਲ [AREA ਸੀਮਾ] ਲਈ 2020-2024 ਮਾਸਿਕ NDVI ਰੁਝਾਨ ਦੀ ਗਣਨਾ ਕਰਦਾ ਹੈ। ਕਦਮ: (1) ਕਲਾਉਡ ਮਾਸਕ ਲਾਗੂ ਕਰੋ, (2) ਔਸਤ ਮਾਸਿਕ NDVI, (3) ਰੁਝਾਨ ਚਾਰਟ ਖਿੱਚੋ, (4) 20% ਤੋਂ ਵੱਧ ਗਿਰਾਵਟ ਵਾਲੇ ਮਹੀਨਿਆਂ ਦੇ ਨਿਸ਼ਾਨ ਲਗਾਓ। ਕੋਡ ਨੂੰ ਚੱਲਣਯੋਗ ਹੋਣ ਦਿਓ; ਹਰ ਕਦਮ 'ਤੇ ਟਿੱਪਣੀ ਕਰੋ। ਡੇਟਾ ਦੀਆਂ ਸੀਮਾਵਾਂ (ਰੈਜ਼ੋਲੂਸ਼ਨ, ਕਲਾਉਡ) ਨੂੰ ਵੀ ਨੋਟ ਕਰੋ।
ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ
1) ਸੈਟੇਲਾਈਟ ਸੂਚਕਾਂਕ ਵਿਸ਼ਲੇਸ਼ਣ (ਕੋਡ ਦੇ ਨਾਲ):
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਰਿਮੋਟ ਸੈਂਸਿੰਗ ਵਿਸ਼ਲੇਸ਼ਕ। ਚੱਲਣਯੋਗ Python ਕੋਡ ਲਿਖੋ ਜੋ [Sentinel-2/Landsat] ਡੇਟਾ ਦੇ ਨਾਲ [AREA] ਲਈ [DATE ਰੇਂਜ] ਉੱਤੇ [NDVI/NDWI/ਹੋਰ ਸੂਚਕਾਂਕ] ਦੀ ਗਣਨਾ ਕਰਦਾ ਹੈ। ਇੱਕ ਕਲਾਉਡ ਮਾਸਕ ਸ਼ਾਮਲ ਕਰਨਾ ਯਕੀਨੀ ਬਣਾਓ। ਰੁਝਾਨ ਅਤੇ ਅਸੰਗਤੀਆਂ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰੋ। ਟਿੱਪਣੀਆਂ ਵਿੱਚ ਡੇਟਾ ਦੇ ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਅਤੇ ਕਲਾਉਡ ਸੀਮਾਵਾਂ ਨੂੰ ਨਿਸ਼ਚਿਤ ਕਰੋ।
2) ਸੈਂਸਰ ਟਾਈਮ ਸੀਰੀਜ਼ ਗੁਣਵੱਤਾ ਨਿਯੰਤਰਣ:
ਪਾਈਥਨ ਦੇ ਨਾਲ ਨਿਮਨਲਿਖਤ ਸੈਂਸਰ ਟਾਈਮ ਸੀਰੀਜ਼ ਵਿੱਚ ਗੁਣਵੱਤਾ ਮੁੱਦਿਆਂ ਦੀ ਖੋਜ ਕਰੋ: ਗੁੰਮ ਡੇਟਾ, ਫਸਿਆ ਮੁੱਲ, ਅਚਾਨਕ ਛਾਲ, ਵਹਿਣਾ, ਬਹੁਤ ਜ਼ਿਆਦਾ। ਹਰੇਕ ਮੁੱਦੇ ਨੂੰ ਟਾਈਮਸਟੈਂਪ ਨਾਲ ਚਿੰਨ੍ਹਿਤ ਕਰੋ। ਡਾਟਾ ਨਾ ਬਦਲੋ, ਸਿਰਫ਼ ਰਿਪੋਰਟ ਕਰੋ। ਜੇਕਰ ਸੰਭਵ ਹੋਵੇ ਤਾਂ ਇੱਕ ਸਧਾਰਨ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਸੁਝਾਅ ਸ਼ਾਮਲ ਕਰੋ। ਡੇਟਾ: [ਇੱਥੇ]
3) ਜ਼ਮੀਨੀ ਸੱਚਾਈ ਪੁਸ਼ਟੀਕਰਨ ਸਕੀਮ:
ਇੱਕ ਯੋਜਨਾ ਦਾ ਸੁਝਾਅ ਦਿਓ ਕਿ ਮੈਂ ਫੀਲਡ ਵਿੱਚ ਹੇਠਾਂ ਦਿੱਤੀ ਸੈਟੇਲਾਈਟ-ਅਧਾਰਿਤ ਖੋਜ (ਜਿਵੇਂ ਕਿ NDVI ਡ੍ਰੌਪ) ਦੀ ਪੁਸ਼ਟੀ ਕਿਵੇਂ ਕਰ ਸਕਦਾ ਹਾਂ: ਕਿਹੜੇ ਪੁਆਇੰਟ, ਕਿਹੜਾ ਮਾਪ, ਕਿਹੜਾ ਸੁਤੰਤਰ ਡਾਟਾ ਸਰੋਤ। ਉਹਨਾਂ ਸਥਿਤੀਆਂ ਨੂੰ ਵੀ ਗਿਣੋ ਜਿੱਥੇ ਖੋਜ ਗਲਤ ਹੋ ਸਕਦੀ ਹੈ (ਬੱਦਲ, ਮੌਸਮ, ਪਰਛਾਵਾਂ)। ਲੱਭਣਾ: [ਇੱਥੇ]
4) ਅਸੰਗਤ ਸੰਖੇਪ:
ਇੱਕ ਵਾਤਾਵਰਣ ਪ੍ਰਬੰਧਕ ਲਈ ਹੇਠਾਂ ਦਿੱਤੇ ਨਿਗਰਾਨੀ ਡੇਟਾ ਤੋਂ ਲੱਭੀਆਂ ਗਈਆਂ ਵਿਗਾੜਾਂ ਨੂੰ ਸਾਦੀ ਭਾਸ਼ਾ ਵਿੱਚ ਸੰਖੇਪ ਕਰੋ। ਹਰੇਕ ਵਿਗਾੜ ਲਈ: ਕਿੱਥੇ, ਕਦੋਂ, ਕਿੰਨਾ ਭਟਕਣਾ, ਸੰਭਾਵੀ ਕਾਰਨ ਅਤੇ "ਤਸਦੀਕ ਕੀਤੇ ਜਾਣ ਦੀ ਲੋੜ ਹੈ" ਨੋਟ। ਯਕੀਨੀ ਤੌਰ 'ਤੇ ਇਹ ਢੁਕਵਾਂ ਕਿਉਂ ਹੈ; ਇਸ ਨੂੰ ਇੱਕ ਸੰਭਾਵਨਾ ਵਜੋਂ ਪੇਸ਼ ਕਰੋ। ਡੇਟਾ: [ਇੱਥੇ]
ਆਮ ਗਲਤੀਆਂ
- ਕਲਾਉਡ ਮਾਸਕ ਨੂੰ ਲਾਗੂ ਨਹੀਂ ਕਰਨਾ. ਕਲਾਉਡ ਸਭ ਤੋਂ ਆਮ ਜਾਅਲੀ ਸਿਗਨਲ ਹੈ।
- ਇਸ ਨੂੰ ਕੈਲੀਬ੍ਰੇਟ ਕੀਤੇ ਬਿਨਾਂ ਸੈਂਸਰ 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ। ਘੱਟ ਲਾਗਤ ਵਾਲੇ ਸੈਂਸਰ ਫਿਸਲ ਜਾਂਦੇ ਹਨ ਅਤੇ ਨਮੀ ਨਾਲ ਪ੍ਰਭਾਵਿਤ ਹੁੰਦੇ ਹਨ।
- ਜ਼ਰਾ ਇਤਿਹਾਸ 'ਤੇ ਨਜ਼ਰ ਮਾਰੋ। ਤਬਦੀਲੀ ਦਾ ਦਾਅਵਾ ਕਰਨ ਲਈ ਕਈ ਤਾਰੀਖਾਂ ਅਤੇ ਰੁਝਾਨਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
- ਜ਼ਮੀਨੀ ਸੱਚ ਨੂੰ ਬਾਈਪਾਸ ਕਰਨਾ। ਜੇ ਸੰਭਵ ਹੋਵੇ ਤਾਂ ਸੈਟੇਲਾਈਟ ਸਿਗਨਲ ਦੀ ਫੀਲਡ ਜਾਂ ਸੁਤੰਤਰ ਡੇਟਾ ਨਾਲ ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ।
- AI ਦੇ "ਸਹੀ ਕਾਰਨ" ਦਾਅਵੇ ਲਈ ਡਿੱਗਣਾ। ਟਰੈਕਿੰਗ ਡੇਟਾ ਆਪਸ ਵਿੱਚ ਜੁੜਦਾ ਹੈ; ਕਾਰਨ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨਾ ਹੋਰ ਗੱਲ ਹੈ।
ਸਾਵਧਾਨ: ਉੱਚ-ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਸੈਟੇਲਾਈਟ ਅਤੇ ਡਰੋਨ ਚਿੱਤਰਾਂ ਵਿੱਚ ਨਿੱਜੀ ਜਾਇਦਾਦ, ਲੋਕ ਜਾਂ ਸੰਵੇਦਨਸ਼ੀਲ ਸਹੂਲਤਾਂ ਸ਼ਾਮਲ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਟਰੈਕਿੰਗ ਡੇਟਾ ਨੂੰ ਸਾਂਝਾ ਕਰਦੇ ਸਮੇਂ ਗੋਪਨੀਯਤਾ ਅਤੇ ਕਾਨੂੰਨੀ ਪਾਬੰਦੀਆਂ (ਖ਼ਾਸਕਰ ਨਿੱਜੀ ਡੇਟਾ ਅਤੇ ਸੁਰੱਖਿਆ) ਦੀ ਪਾਲਣਾ ਕਰੋ।
ਸੰਖੇਪ ਵਿੱਚ
ਵਾਤਾਵਰਣ ਦੀ ਨਿਗਰਾਨੀ ਸੈਟੇਲਾਈਟ (ਚੌੜਾ) ਅਤੇ ਸੈਂਸਰ (ਸਥਾਨਕ) ਡੇਟਾ ਨੂੰ ਜੋੜਦੀ ਹੈ। AI; ਇਹ ਕੋਡ ਲਿਖਣ ਲਈ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਐਕਸਲੇਟਰ ਹੈ ਜੋ ਵਿਸ਼ਾਲ ਚਿੱਤਰ ਅਤੇ ਸਮਾਂ ਲੜੀ ਦੇ ਡੇਟਾ, ਅਸੰਗਤ ਸਕੈਨਿੰਗ ਅਤੇ ਸੰਖੇਪ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਦਾ ਹੈ। ਪਰ ਕਲਾਉਡ ਮਾਸਕ, ਸੈਂਸਰ ਕੈਲੀਬ੍ਰੇਸ਼ਨ, ਮਲਟੀ-ਡੇਟ ਤੁਲਨਾ ਅਤੇ ਜ਼ਮੀਨੀ ਸੱਚ ਦੀ ਪੁਸ਼ਟੀ ਮਾਹਰ ਨਾਲ ਸਬੰਧਤ ਹੈ। ਸਾਫ਼ ਅਤੇ ਪੁਸ਼ਟੀ ਕੀਤੇ ਸਿਗਨਲ 'ਤੇ ਭਰੋਸਾ ਕਰੋ, ਨਾ ਕਿ ਕੱਚੇ ਸਿਗਨਲ 'ਤੇ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਇੱਕ ਖੇਤਰ ਅਤੇ ਮਿਤੀ ਰੇਂਜ (ਅਸਲ ਜਾਂ ਕਲਪਨਾਤਮਕ) ਚੁਣੋ। 1. ਟੈਮਪਲੇਟ ਦੇ ਨਾਲ AI ਲਈ NDVI ਵਿਸ਼ਲੇਸ਼ਣ ਵਰਕਫਲੋ ਦਾ ਕੋਡ ਪ੍ਰਿੰਟ ਕਰੋ ਅਤੇ ਪੁਸ਼ਟੀ ਕਰੋ ਕਿ ਕਲਾਉਡ ਮਾਸਕ ਸਟੈਪ ਮੌਜੂਦ ਹੈ। ਫਿਰ, ਦੂਜੇ ਟੈਂਪਲੇਟ ਨਾਲ ਗੁਣਵੱਤਾ ਨਿਯੰਤਰਣ ਦੁਆਰਾ ਤੁਹਾਡੇ ਕੋਲ ਸੈਂਸਰ ਟਾਈਮ ਸੀਰੀਜ਼ (ਜਾਂ ਇੱਕ ਨਮੂਨਾ) ਪਾਸ ਕਰੋ। ਅੰਤ ਵਿੱਚ, ਟੈਮਪਲੇਟ 3 ਦੇ ਨਾਲ, ਇੱਕ ਯੋਜਨਾ ਦੇ ਨਾਲ ਆਓ ਕਿ ਤੁਸੀਂ ਖੇਤਰ ਵਿੱਚ ਪ੍ਰਾਪਤ ਕੀਤੀ ਤਬਦੀਲੀ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਮਾਣਿਤ ਕਰੋਗੇ।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ ਇੱਕ ਸਪਸ਼ਟ ਸਥਾਨਿਕ ਅਤੇ ਅਸਥਾਈ ਸਵਾਲ ਦੇ ਨਾਲ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਹੈ।
- [ ] ਮੈਂ ਸੈਟੇਲਾਈਟ ਡੇਟਾ 'ਤੇ ਕਲਾਉਡ ਮਾਸਕ ਲਾਗੂ ਕੀਤਾ।
- [ ] ਮੈਂ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਅਤੇ ਗੁਣਵੱਤਾ ਨਿਯੰਤਰਣ ਦੁਆਰਾ ਸੈਂਸਰ ਡੇਟਾ ਪਾਸ ਕੀਤਾ ਹੈ।
- [ ] ਮੈਂ ਪਰਿਵਰਤਨ ਦੇ ਦਾਅਵੇ ਨੂੰ ਰੁਝਾਨ 'ਤੇ ਅਧਾਰਤ ਕੀਤਾ, ਨਾ ਕਿ ਕਿਸੇ ਇੱਕ ਮਿਤੀ 'ਤੇ।
- [ ] ਮੈਂ ਜ਼ਮੀਨੀ ਸੱਚਾਈ ਜਾਂ ਸੁਤੰਤਰ ਡੇਟਾ ਨਾਲ ਖੋਜ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦੀ ਯੋਜਨਾ ਬਣਾਈ ਹੈ।
- [ ] ਮੈਂ ਗੁਪਤਤਾ ਅਤੇ ਕਾਨੂੰਨੀ ਪਾਬੰਦੀਆਂ ਦਾ ਪਾਲਣ ਕੀਤਾ ਹੈ।