Zyski:
- Umiejętność wyjaśnienia, w jaki sposób mapowanie litologii, uskoków i zmian odbywa się za pomocą sztucznej inteligencji na zdjęciach satelitarnych i lotniczych.
- Możliwość zaprojektowania przepływu pracy, który wyodrębnia markery minerałów i struktur z danych wielospektralnych/hiperspektralnych
- Możliwość testowania wyników teledetekcji w oparciu o prawdę naziemną i kontekst geologiczny
Mapa geologiczna to rzut na powierzchnię podziemnej historii regionu: jaka jednostka skalna gdzie się znajduje, gdzie przechodzą uskoki, w jakim kierunku nachylone są warstwy. Klasycznie ta mapa jest produktem, który geolog tworzy, podróżując od wychodni do wychodni, po miesiącach pracy w terenie. Obecnie teledetekcja i sztuczna inteligencja przyspieszają większość tego procesu. W tej jednostce zobaczymy, w jaki sposób mapowanie litologii, uskoków i zmian (chemiczna przemiana skały za pomocą wód hydrotermalnych; kluczowy wskaźnik w eksploracji minerałów) odbywa się za pomocą sztucznej inteligencji ze zdjęć satelitarnych/lotniczych, a co najważniejsze, w jaki sposób wyniki te są testowane z rzeczywistością lądową.
Ostrzeżenie od początku: obraz teledetekcyjny jest pomiarem, a nie interpretacją; Jednak każda mapa wyprowadzona z tego pomiaru jest interpretacją i w interpretacji występuje błąd. „Strefą zmian” wyznaczoną przez sztuczną inteligencję może być rzeczywisty wskaźnik minerału, wysuszone pole, cień lub zaburzenie atmosferyczne. Mapa jest hipotezą, dopóki nie zostanie zweryfikowana w terenie.
Podstawy fizyki teledetekcji
Każdy minerał i skała odbija światło słoneczne o różnych długościach fal i z różną szybkością; nazywa się to sygnaturą widmową. Ludzkie oko widzi tylko światło widzialne (czerwony-zielony-niebieski), ale czujniki satelitarne mierzą znacznie szerszy zakres, w tym podczerwień. Dwie podstawowe koncepcje:
Obrazowanie wielospektralne mierzy w kilku szerokich pasmach długości fal (zwykle 4–12 pasm); na przykład satelity Landsat i Sentinel. Rozróżnia szorstkie skały. Z drugiej strony obrazowanie hiperspektralne dokonuje pomiarów w setkach wąskich pasm i może rozpoznawać minerały niemal na podstawie ich „widmowego odcisku palca”; Służy do rozróżniania minerałów przemianowych (takich jak kaolinit, alunit, illit).
Sztuczna inteligencja wykonuje tutaj dwa zadania: po pierwsze, klasyfikuje te wielowymiarowe dane widmowe (który piksel jest jaką litologią/minerałem). Po drugie, wydobywa cechy uskoków i strukturalne z geometrycznych wzorów obrazu (lineamenty, tekstura, sieć drenażowa). Po dodaniu Cyfrowego Modelu Poziomu (w skrócie DEM; trójwymiarowa mapa wysokości terenu) analiza uwzględnia również nachylenie, wygląd i linie topograficzne.
Krok po kroku: proces zmiany mapy
- Przygotuj obraz. Korekcja atmosfery (usuwanie efektu zniekształcania atmosfery), maskowanie chmur, maska roślinności. Jeśli pominiemy ten krok, cały wynik zostanie zanieczyszczony.
- Zawęź obszar swoich zainteresowań. Ogranicz obszar badań do kontekstu geologicznego (znany uskok, formacja, wychodnia); Nadaj modelowi kontekst.
- Obliczanie wskaźników widmowych. Stosunki pasm podkreślające określone grupy minerałów (np. tlenki żelaza, minerały ilaste).
- Klasyfikować. Sztuczna inteligencja klasyfikuje piksele/obszary i zaznacza możliwe strefy zmian.
- Zaplanuj weryfikację terenu. Wybierz punkty próbne z zaznaczonych stref i sprawdź je w terenie. Bez tego kroku mapa nie zostanie podpisana.
Rola i ograniczenia sztucznej inteligencji w analizie obrazu
W szczególności sztuczna inteligencja redukuje dwa rodzaje błędów: wychwytuje przeoczane subtelne anomalie oraz standaryzuje niespójne interpretacje. Ale powoduje trzy błędy systematyczne. Pierwszy z nich jest fałszywie pozytywny: roślinność, cień, struktura ludzka lub wilgotność gleby mogą wydawać się zmianami. Drugi to błąd uczenia: jeśli model zostanie przeszkolony na danych z innego regionu, będzie błędny w przypadku innej litologii Twojej witryny. Trzecia to iluzja skali: jeden piksel pokrywa dziesiątki metrów na ziemi; Drobne struktury są tracone, mieszane piksele (wiele materiałów w jednym pikselu) wprowadzają w błąd.
Zatem złota zasada: podstawowa prawda zawsze zwycięża. Mapy powstałej na podstawie obrazu nie można uznać za ostateczną bez sprawdzenia jej na próbkach i obserwacji w wybranych punktach terenu. Punkty weryfikacji nie są wybierane losowo, ale strategicznie, aby objąć zarówno „pewne”, jak i „podejrzane” strefy.
Trzy mini etui: w liczbach
Przypadek 1 — Zawężenie obszaru poszukiwań. Firma poszukiwawcza oceniała obszar koncesji o powierzchni 1200 km². Klasyfikacja zmian wspomagana sztuczną inteligencją na podstawie danych hiperspektralnych zmniejszyła obszar do 7 docelowych stref o powierzchni 38 km². Zamiast odwiedzać cały obszar, zespół terenowy nadał priorytet tym 7 strefom; Początkowy czas kampanii terenowej został skrócony o około 70%. 5 z 7 stref wykazało rzeczywiste zmiany w terenie, 2 dały wyniki fałszywie dodatnie (gleba gliniasta) – bez weryfikacji te 2 strefy byłyby zmarnowanym wierceniem.
Przypadek 2 — wstępny szkic mapowania usterek. DEM i analiza lineamentu wyodrębniona z obrazu zasugerowały dwie mniejsze linie obok znanej głównej wady. Jeden okazał się faktyczną usterką w terenie; drugi okazał się śladem topograficznym trasy rurociągu. Model poprawnie uchwycił wzór geometryczny, ale nie potrafił rozróżnić jego pochodzenia; Rozróżnił wiarygodność geologiczną i kontrolę pola.
Przypadek 3 — Błąd cienia chmury. W jednym obszarze model zaznaczył silną „zmianę tlenku żelaza” na północnym zboczu. Korekta atmosferyczna była niekompletna, a sygnatura była w rzeczywistości zniekształceniem widmowym cienkiej pokrywy chmur. Kiedy obraz został ponownie przetworzony i poprawiony, anomalia zniknęła. Lekcja: błąd przetwarzania wstępnego oszukuje nawet najbardziej zaawansowany model.
Słaba podpowiedź/silna podpowiedź
Słaba zachęta:
Pokaż na tym zdjęciu satelitarnym miejsca, w których mogą znajdować się miny.
Potężny monit:
Twoja rola: Geolog korzystający z teledetekcji. Zinterpretuj następujące wartości indeksu widmowego i współczynnika pasma (obrazek Sentinel-2, strefa sucha, rzadka roślinność).- Dla każdej możliwej strefy zmian: napisz, który indeks/stosunek ją spowodował.- Zaproponuj CO NAJMNIEJ jedno fałszywie dodatnie źródło dla każdej strefy (roślinność, cień, gleba, sztuczna, atmosfera).- Posortuj strefy według „priorytetu weryfikacji terenu” (wysoki/średni/niski).- Nie przedstawiaj żadnej strefy jako „zaminowanej”; Dane „token zmiany muszą zostać zweryfikowane”: [indeks/tabela stawek + kontekst]
Silny monit zmusza model do samodzielnego wylistowania wyników fałszywie dodatnich i uniknięcia deklarowania dokładności.
Cztery szablony do kopiowania
1) Lista kontrolna wstępnego przetwarzania:
Sprawdź, czy nie występują etapy wstępnego przetwarzania, które mogły zostać pominięte w następującym procesie teledetekcji: korekta atmosferyczna, maska chmur/cienia, maska roślinności, korekcja topograficzna, kalibracja czujnika. Wyjaśnij w jednym zdaniu dla każdego, w jaki sposób brakujące kroki mogą wpłynąć na Twoje wnioski. Przebieg pracy: [definicja]
2) Interpretacja strefy zmian:
Wyodrębnij możliwe zmiany grup minerałów z następujących wartości indeksu widmowego (glina, tlenek żelaza, węglan, krzemionka). Dla każdej grupy: wskaźnik wyzwalający, poziom ufności, alternatywne wyjaśnienie (fałszywie pozytywne), proponowana kontrola terenowa. Twierdzenie o pewności. Dane: [indeksy]
3) Separacja linii/usterek:
Rozważ poniższą listę liniowości. Wymień możliwe źródła każdego z nich: uskok, granica płyty, grobla, drenaż, struktura ludzka (droga/linia/pole), granica roślinności. Podaj najbardziej prawdopodobne pochodzenie na podstawie kontekstu geologicznego, ale pomiń jedyną możliwość. Lista: [linearności + kontekst]
4) Plan punktu weryfikacji:
Zaproponuj plan weryfikacji w terenie dla następującej mapy zmian/litologii: - Ile punktów poboru próbek dla każdej klasy, dlaczego. - Zrównoważone pobieranie próbek ze stref „określonych” i „wątpliwych”. – Dostęp i uwaga dotycząca bezpieczeństwa. Podsumowanie mapy: [klasy i obszary]
Typ obrazu i obszar zastosowania
Typ danych
Jakie środki
Jego siła jest
ograniczyć
Wielospektralny (Sentinel/Landsat)
łącza szerokopasmowe
Litologia zgrubna, skanowanie regionalne
Separacja minerałów jest ograniczona
hiperspektralny
Setki wąskich pasm
Rozróżnienie minerał/zmiana
Koszt, narzut przetwarzania
DEM (wzrost)
topografia
Usterka/usterka, drenaż
Litologia nie daje
termiczna podczerwień
temperatura powierzchni
Trochę krzemianów/węglanów
wrażliwy na atmosferę
Radar (SAR)
Chropowatość/odkształcenie powierzchni
Pod chmurą, osiadanie/osunięcie się ziemi
Interpretacja jest skomplikowana
Wskazówka: Użyj wyników teledetekcji jako „skanowania miejsca ustalającego priorytety”, a nie „mapy wierceń”. Jego największą wartością jest to, że mówi ci, gdzie najpierw się udać; Dowody terenowe i inżynier decydują, gdzie wykonać wiercenia.
Uwaga: Nawet najbardziej zaawansowana klasyfikacja powoduje błędy systematyczne, jeśli pominie się obróbkę wstępną (korekta atmosferyczna i topograficzna, maskowanie). W przypadku „dziwnego wyniku” najpierw zapytaj o przetwarzanie wstępne, a nie o model. Zasada śmieci w środku, śmieci wyjmowana jest tutaj bezwzględna.
Typowe błędy
- Pomijanie przetwarzania wstępnego. Mylenie anomalii z nieskorygowanych zdjęć z prawdziwą geologią.
- Zapominanie o fałszywych alarmach. Błędne postrzeganie roślin, cienia, wilgotności gleby i struktur ludzkich jako zmian/wad.
- Podpisywanie bez podstawowej prawdy. Opieranie decyzji wiertniczej na mapie obrazowej bez weryfikacji jej w terenie.
- Iluzja skali. Zapominanie o rozmiarze piksela i ignorowanie faktu utraty drobnych struktur lub pomieszania pikseli jest mylące.
- Ignorowanie uprzedzeń edukacyjnych. Ślepe stosowanie modelu wytrenowanego w innym regionie na polu o innej litologii.
Podsumowując
- Teledetekcja mierzy sygnaturę widmową minerałów przy różnych długościach fal; Rozróżnia wielospektralne grube i hiperspektralne drobne.
- Sztuczna inteligencja klasyfikuje te wielowymiarowe dane i wyodrębnia błędy/liniowość ze wzorów geometrycznych; ale powoduje fałszywe alarmy, błąd uczenia i błąd skali.
- Wstępna obróbka (korekta atmosferyczna/topograficzna, maskowanie) decyduje o jakości wyniku; Jeśli zostanie pominięty, wystąpi błąd systematyczny.
- Teledetekcja to narzędzie do sprawdzania i ustalania priorytetów; Mapa nie jest uważana za dokładną bez sprawdzenia jej zgodności z prawdą.
- Podstawowa prawda zawsze zwycięża; Punkty weryfikacji powinny w sposób zrównoważony obejmować zarówno strefy pewne, jak i podejrzane.
Zadanie aplikacji
Zanonimizuj wartości wskaźnika widmowego/stosunku pasma lub listę zestawień DEM, którą posiadasz dla miejsca pracy (lub obszaru otwartych danych). Zinterpretuj możliwe strefy zmian lub usterki za pomocą potężnego podpowiedzi i poproś model o zasugerowanie co najmniej jednego fałszywie dodatniego źródła dla każdej strefy. Następnie sporządź plan kontroli obiektu, korzystając z szablonu „planu punktu weryfikacji”; Zanotuj w jednym zdaniu, ile punktów jest podzielonych na „podejrzane” strefy i dlaczego wykonujesz próbkowanie zrównoważone.
lista kontrolna
- [ ] Potrafię rozróżnić, jakie dane wielospektralne i hiperspektralne mierzą i do czego służą.
- [ ] Wiem, jak etapy wstępnego przetwarzania (przycinanie, maskowanie) wpływają na wynik.
- [ ] Kwestionuję źródła fałszywych alarmów (roślinność, cień, spowodowane przez człowieka) w wynikach zmian/usterek.
- [ ] Traktuję mapę teledetekcyjną jako narzędzie skanujące i testuję ją za pomocą weryfikacji terenu.
- [ ] Potrafię zaplanować punkty weryfikacji, aby zrównoważyć pewne i podejrzane strefy.