Zyski:
- Możliwość skanowania w poszukiwaniu anomalii na zdjęciach satelitarnych, zdjęciach lotniczych i danych LiDAR za pomocą sztucznej inteligencji i oceniania każdego znaku jako kandydata wymagającego potwierdzenia terenu
- Zrozumienie sezonowej i warunkowej zależności śladów roślin, gleby i cienia oraz sposobów eliminacji naturalnych/nowoczesnych fałszywych alarmów.
- Umiejętność zastosowania, dlaczego wrażliwe lokalizacje obiektów powinny być chronione przed grabieżą i zamazane w transmisji
Jednym z najbardziej ekscytujących osiągnięć archeologii jest możliwość zobaczenia śladów pod ziemią i na powierzchni bez konieczności kopania w ziemi. Teledetekcja (metoda badania terenu za pomocą zdjęć satelitarnych, lotniczych lub dronów bez fizycznego dotykania go) jest najpotężniejszym narzędziem skanowania dużych obszarów i wykrywania ewentualnych stanowisk (miejsc zawierających pozostałości archeologiczne). W tym module dowiemy się, w jaki sposób sztuczna inteligencja zaznacza anomalie (ślady różniące się od otoczenia, które mogą być stworzone przez człowieka) na zdjęciach satelitarnych, zdjęciach lotniczych i danych LiDAR, ale dlaczego każdy znak musi zostać potwierdzony w terenie.
Podstawowa zasada: AI to asystent skanujący i wskazujący, który mówi „spójrz tutaj” na dużym obszarze; Decyzję „To naprawdę jest teren” podejmuje organ nadzoru gruntów i ekspert. W teledetekcji każdy punkt oznaczony przez sztuczną inteligencję jest hipotezą, a nie odkryciem.
Rodzaje teledetekcji
Fotografia satelitarna i lotnicza. Zakopane konstrukcje prowadzą do zróżnicowanego wzrostu gleby i roślinności nad nimi. Plon na murze jest słabszy, na rowie bardziej krzaczasty; Są to tak zwane znaki przycięcia. NDVI (wskaźnik mierzący stan roślinności; określa witalność roślin za pomocą światła podczerwonego) podkreśla te różnice. Sztuczna inteligencja skanuje te subtelne różnice na dużych obrazach szybciej niż człowiek.
LiDAR. LiDAR (Light Detection and Ranging — technologia, która tworzy bardzo precyzyjną mapę wysokości 3D powierzchni poprzez wystrzelenie lasera z samolotu na ziemię i pomiar czasu powrotu) to najbardziej rewolucyjne narzędzie. Jego cechą jest to, że laser może dotrzeć do ziemi przez drzewa; W ten sposób kopce, tarasy, drogi i fundamenty budynków pod lasem odsłaniają się, gdy roślinność jest numerycznie „obierana”. Sztuczna inteligencja zaznacza w danych wysokości nierówności, wgłębienia i gładkie kształty geometryczne.
Geofizyka (uzupełniająca). Metody takie jak radar penetrujący ziemię (GPR) i badania magnetyczne pozwalają zobaczyć tuż pod powierzchnią; Sztuczna inteligencja pomaga również szukać wzorców anomalii w tych danych.
Etapy wykrywania witryny za pomocą sztucznej inteligencji
- Przygotowanie danych. Obrazy dopasowywane są do układu współrzędnych (georeferencja), korygowane są cienie i kontrast. W LiDAR roślinność jest odfiltrowywana i tworzony jest „model gołego gruntu”.
- Skanowanie anomalii. AI oznacza gładkie geometrie, które mogą być stworzone przez człowieka (okrągły kopiec, prostokątna konstrukcja, liniowy rów/droga).
- Eliminacja. Większość znaków ma charakter naturalny (geologiczny, rolniczy, współczesny). Ekspert eliminuje te, które są wyraźnie naturalne i nowoczesne.
- Priorytetyzacja. Priorytet pozostałych punktów kandydujących ustalany jest na podstawie kontekstu i znanego rozmieszczenia witryn.
- Potwierdzenie terenu. Punkty priorytetowe są sprawdzane na miejscu poprzez badanie powierzchni i, jeśli to konieczne, wiercenie. Żaden punkt nie zostaje uznany za „sit” bez potwierdzenia.
Wskazówka: zawsze postrzegaj oznaki sztucznej inteligencji jako „listę kandydatów z wysokim odsetkiem wyników fałszywie pozytywnych”. Celem jest inteligentne zawężenie miejsc do odwiedzenia w terenie; nie ogłaszać odkrycia. Zmniejszenie 200 punktów lądowych do 30 w sezonie to duży zysk.
Wrażliwa lokalizacja: krytyczna prywatność
Najpoważniejszym problemem etycznym i związanym z bezpieczeństwem w wykrywaniu lokalizacji jest poufność lokalizacji. Dokładne współrzędne nowo zidentyfikowanego, niechronionego miejsca są bezpośrednim celem nielegalnych kopaczy i poszukiwaczy skarbów. Dlatego:
- Nie wchodź do publicznych pojazdów AI, których dokładne współrzędne nie zostały potwierdzone.
- Zacieraj lokalizację wrażliwych miejsc w transmisjach i prezentacjach (podaj ogólny obszar, bez GPS).
- Przechowuj dane w bezpiecznym systemie organizacji i ograniczaj do nich dostęp.
Uwaga: wklejenie współrzędnych miejsca do usługi publicznej z informacją „Poproszę tylko o narysowanie mapy” może narazić tę witrynę na plądrowanie. Dane lokalizacyjne to zasób, który należy chronić tak samo jak samo znalezisko.
trzy mini etui
Przypadek 1 — Skan zawęził obszar. Projekt badawczy obejmowałby badanie obszaru o powierzchni 500 km². Analiza LiDAR oparta na sztucznej inteligencji wskazała 120 możliwych kopców pod lasem. Po eliminacji ekspertów pozostaje 38 miejsc priorytetowych; W terenie stwierdzono, że 11 z nich to prawdziwe konstrukcje archeologiczne. Sztuczna inteligencja skondensowała miesiące ślepych poszukiwań w docelowym sezonie.
Przypadek 2 — Fałszywie pozytywny wynik, to była lekcja. Podczas gdy zespół z entuzjazmem przygotowywał się do uznania gładkiej, okrągłej blizny oznaczonej przez sztuczną inteligencję za „kopiec”, ekspert geolog wykazał, że było to naturalne zagłębienie (dolin). Oświadczenie złożone bez potwierdzenia gruntu może oznaczać utratę reputacji. Lekcja: AI widzi geometrię, a nie interpretację pochodzenia.
Przypadek 3 — Zapobiegnięto wyciekowi lokalizacji. Uczeń przesyłał obraz zawierający współrzędne nowo znalezionego miejsca do narzędzia publicznego. Doradca zatrzymał się; obszar ten był nadal niezabezpieczony. Obraz został przetworzony z usuniętymi informacjami o współrzędnych i wyłącznie w bezpiecznym systemie.
Cztery szablony do kopiowania
1) Ramka skanowania anomalii:
Twoja rola: asystent analizy teledetekcyjnej. Dam ci obraz/dane wysokości na gołym terenie (pochodzące z LiDAR). Zaznacz gładkie geometrie (okrągłe, prostokątne, liniowe), które MOGĄ być stworzone przez człowieka; Dla każdego z nich zapisz jego lokalizację, format i powód, dla którego jest godny uwagi. Dla każdego znaku wskaż także możliwość naturalnego/nowoczesnego wyjaśnienia. Nie ogłaszaj ostatecznego „siad”.
2) Fałszywie pozytywna eliminacja:
Poniżej znajduje się lista punktów kandydujących, które oznaczyła sztuczna inteligencja. Dla każdego z nich wypisz naturalne i współczesne wyjaśnienia (formacja geologiczna, ślad rolniczy, droga, fundamenty budynku), które mogę wyeliminować PRZED sprawdzeniem terenu. Wypisz osobno pozostałych „naprawdę niejasnych” kandydatów.
3) Plan zagospodarowania przestrzennego:
Moje najlepsze miejsca na kandydatów to: [lista]. Dla każdego punktu pojawia się lista kontrolna zawierająca wskaźniki, na które powinienem zwrócić uwagę podczas potwierdzania w terenie (ustalenia powierzchni, topografia, kolor gleby, gęstość kamienia) oraz bezpieczne/etyczne zasady terenowe (pozwolenie, poufność lokalizacji).
4) Rozmycie lokalizacji podczas transmisji:
Przygotowując poniższe informacje o witrynie do publikacji/prezentacji, zasugeruj, jak mógłbym je opisać BEZ ujawniania dokładnej lokalizacji: podaj, na jakim poziomie uogólnienia (województwo/region), jakie informacje należy pominąć. Cel: równowaga przejrzystości naukowej i ochrony przed zepsuciem.
Słaba zachęta/silna zachęta
Słaba zachęta:
Czy na tym zdjęciu satelitarnym znajduje się stanowisko archeologiczne? Podaj jego współrzędne.
Sztuczna inteligencja może zadeklarować naturalny ślad jako „usiąść” i dopasować pewne współrzędne; Jest to niebezpieczne zarówno z naukowego, jak i bezpieczeństwa punktu widzenia.
Potężny monit:
Twoja rola: asystent teledetekcji. Zaznacz na tym obrazku gładkie geometryczne znaki, które MOGĄ być stworzone przez człowieka. Dla każdego śladu: (a) jego kształt, (b) dlaczego jest niezwykły, (c) naturalne/nowoczesne alternatywne wyjaśnienie. Są to kandydaci, których należy sprawdzić wyłącznie NA TERENIE; nie deklaruj „siedzenia”. Wygeneruj dokładne współrzędne, opisz względne położenie.
Różnica: pierwsza deklaruje odkrycie; ta ostatnia tworzy bezpieczną listę kandydatów do weryfikacji.
Rodzaje obrazów i efekty sezonowe
W teledetekcji obraz nie „zawsze” działa; Aby zobaczyć właściwy tor, potrzebne są odpowiednie warunki. Ślady po uprawach najlepiej wyglądają w okresach suchych, gdy rośliny są narażone na niedobór wody: gleba nad zakopanym murem zatrzymuje mniej wody, więc plony wcześnie żółkną i wyglądają jak linia z góry. Na wilgotnym wiosennym obrazie ten sam ślad może w ogóle nie pojawić się. Ślady na glebie pojawiają się, gdy po zaoraniu pola na powierzchnię wypłynie różnobarwna gleba. Z drugiej strony ślady cieni ujawniają lekkie nierówności i dziury z długimi cieniami w słabym słońcu, rano lub wieczorem. Dlatego konieczna jest ocena obszaru nie za pomocą jednego obrazu, ale wielu obrazów w różnych porach roku i czasie; Sztuczna inteligencja przyspiesza to wielokrotne porównanie.
Zaletą LiDAR jest to, że w dużym stopniu przezwycięża tę zależność od warunków: ponieważ bezpośrednio mierzy topografię powierzchni, jest mniej zależny od pory wegetacyjnej i pozwala zobaczyć podszyt leśny. Jednakże podczas tworzenia „modelu gołego gruntu” w LiDAR, jeśli filtr roślinny jest zbyt agresywny, może zatrzeć rzeczywiste nierówności, a jeśli jest zbyt miękki, może pomylić drzewa z konstrukcjami; Decyzje dotyczące filtrów wymagają nadzoru eksperckiego.
Wskazówka: oceniając obszar, zapytaj „w którym sezonie, o której godzinie i jaką metodą?” Zawsze zadawaj pytanie. Jeśli na pojedynczym obrazie nie ma śladu, nie oznacza to, że nie ma miejsca; Może patrzysz na to w złym stanie.
Tabela porównawcza metod
Metoda
co widzi
Wkład sztucznej inteligencji
granica
Fotografia satelitarna/lotnicza
Ślady roślin/gleby
Skanowanie szerokiego obszaru
sezon, postanowienie
NDVI
Różnica wigoru roślin
Podkreślanie blizn
Myli naturalne różnice
LiDAR
topografia powierzchni
geometria podszytu lasu
Błędy filtra roślinnego
Geofizyka (GPR/magnetyczna)
struktura podpowierzchniowa
Wzór anomalii
lokalny, powolny
Typowe błędy
- Mylenie anomalii z odkryciem. Znak jest kandydatem; Bez potwierdzenia terenu nie jest to miejsce.
- Nieeliminowanie śladów naturalnych/nowoczesnych. Doliny, blizny rolnicze i rury często pojawiają się jako „konstrukcje”.
- Podanie dokładnych współrzędnych otwartemu pojazdowi. Ryzyko grabieży; Lokalizacja jest dobrem, które należy chronić.
- Opieranie się na jednym obrazie. Interpretacja jest niekompletna bez różnych pór roku, różnych metod i terenu.
- Zapominając o wskaźniku fałszywie dodatnim. Większość znaków jest pusta; To normalne, cel jest zawężony.
Podsumowując
W teledetekcji sztuczna inteligencja oszczędza ogromną ilość czasu na skanowaniu dużych obszarów i oznaczaniu możliwych miejsc. Ale każdy znak jest hipotezą, którą należy potwierdzić w terenie; starannie eliminowane są naturalne i nowoczesne ślady; a co najważniejsze, wrażliwe lokalizacje są chronione przed grabieżą. AI mówi „spójrz tutaj”; Grunt i ekspert decydują, czy „to miejsce jest chronione”.
Zadanie aplikacji
Wybierz ogólnodostępny obraz LiDAR lub obraz satelitarny (z własnego regionu lub z przykładowego zbioru danych). Niech sztuczna inteligencja oznaczy możliwe geometrie za pomocą szablonu „Skanowanie anomalii”, a następnie wyeliminuje naturalne/nowoczesne wyjaśnienia za pomocą szablonu „Fałszywie pozytywna eliminacja”. Przygotuj plan zagospodarowania przestrzennego dla pozostałych kandydatów i dołącz notatkę o zachowaniu poufności lokalizacji.
lista kontrolna
- [ ] Sygnały AI uważałem za „kandydatów”, a nie odkrycie.
- [ ] Starałem się wyeliminować ślady natury i nowoczesności.
- [ ] Zaplanowałem potwierdzenie gruntów dla kandydatów priorytetowych.
- [ ] Wrażliwe miejsca pozostawiłem poza otwartym pojazdem i zamazałem je w transmisji.
- [ ] Wziąłem pod uwagę, że odsetek wyników fałszywie dodatnich może być wysoki.