Câștiguri:
- Abilitatea de a interpreta straturi GIS, NDVI și concepte de bandă/rezoluție de teledetecție
- Interpretarea indexurilor, analiza schimbărilor și elaborarea hărților narative cu AI
- Abilitatea de a verifica interpretarea satelitului/hărții AI cu adevărul și metadatele de la sol
Sunteți inginer de mediu care lucrează la un proiect de conservare a zonelor umede. Consiliul dorește să investighezi plângerile conform cărora stuful de la malul lacului s-a micșorat în ultimii cinci ani. Înainte de a merge pe teren, trebuie să faci o evaluare preliminară la birou: ai imagini din satelit din doi ani diferiți, un proiect GIS (Geographic Information System) și un model lingvistic. Puteți solicita LLM să interpreteze rezumatul NDVI al imaginilor și să scrie o schiță a narațiunii schimbării. Cu toate acestea, un pixel satelit reprezintă un pătrat de 10 metri și puteți înțelege doar dacă există o umbră de nor, trestie uscată sau un nivel sezonier al apei în acel pătrat cu adevărul la sol. În această unitate, acoperim conceptele de teledetecție și GIS, interpretarea indexului/modificării cu AI și, cel mai important, limitele acestei interpretări.
Logica stratului GIS și fundamentele teledetecției
GIS organizează datele geografice în straturi suprapuse: fiecare strat poartă o temă (utilizarea terenului, corpuri de apă, altitudine, drumuri) și este aliniat într-un sistem de coordonate comun. O analiză începe cu suprapunerea straturilor corecte în proiecția corectă; sistemul de coordonate greșit modifică sistematic zonele și distanțele.
Când interpretați o imagine de teledetecție, trebuie să distingeți trei tipuri de rezoluție:
Tip de rezoluție
Ce spune?
exemplu
limitare
spațială
Dimensiunea unui pixel pe sol
10m, 30m
Obiectele mici rămân sub-pixel
spectrale
Câte și ce bandă de lungime de undă?
Roșu, NIR, SWIR
Mai puțină bandă = mai puțină putere de discriminare
temporală
Cât de des este văzut același loc
5 zile, 16 zile
Pierderea datelor în zilele înnorate
Radiometric
Sensibilitate la luminanță (adâncime de biți)
8 biți, 12 biți
Adâncime scăzută = discriminare slabă
NDVI: formulă și interpretare
Cel mai comun indice care măsoară vitalitatea vegetației este NDVI (Normalized Difference Vegetation Index). O plantă sănătoasă reflectă puternic infraroșu apropiat (NIR) și absoarbe roșu (ROSU):
NDVI = (NIR − RED) / (NIR + RED)Interval de valori: −1 ... +1 < 0 : apă, zăpadă, nor 0,0 - 0,2 : sol gol, stâncă, suprafață construită 0,2 - 0,5 : vegetație rară/erbacee, acoperire stresată 0,5 - 0,9 : acoperire verde densă, sănătoasă
# NDVI al unui bloc de eșantion mic de pixeli import numpy ca npnir = np.array([[0,42, 0,38], [0,11, 0,45]]) # reflectancered infraroșu apropiat = np.array([[0,06, 0,09], [0,10, 0,05]) (red reflectance roșu 0,05]]) (-n red reflectance]]) red)print(np.round(ndvi, 2))# [[0,75 0,62]# [0,05 0,80]]# Pixel din stânga jos (0,05): nu este o plantă - ar putea fi pământ gol sau apă/umbră
Sfat: NDVI nu este o măsură absolută a „sănătății”, ci un indicator dependent de stare. Când comparați două NDVI datate din aceeași zonă, asigurați-vă că imaginile au fost făcute în anotimpuri similare, unghiuri similare ale soarelui și condiții fără nori. Compararea aspectului verii târzii cu primăvara produce o „pierdere de plante” ireala.
Analiza modificării (detecția schimbării)
Modul simplu de a găsi diferența dintre două date este să luați diferența NDVI, dar această diferență este semnificativă doar dacă imaginile pot fi comparate.
ΔNDVI = NDVI_2025 − NDVI_2020 ΔNDVI << 0 : este posibilă pierderea acoperirii (uscare, tăiere, construcție) ΔNDVI ≈ 0 : nicio modificare ΔNDVI >> 0 : posibilă creștere a acoperirii (înverzire, restaurare) ATENȚIE: Diferența poate reflecta schimbarea reală, precum și diferențele de anotimp/calibrare/calibrare. Diferența = schimbare reală + zgomot.
Atenție: norul, umbra norului și sezonalitatea sunt cei mai mari detractori ai analizei schimbării. Zona sub o umbră de nor dă NDVI scăzut și arată ca „pierderea vegetației”. Când LLM realizează interpretarea imaginii, modelul poate confunda aceste artefacte cu evenimentul real. Asigurați-vă că verificați metadatele imaginii (data, procentajul norului, unghiul soarelui).
Interpretarea indexului și narațiunea hărții cu AI
LLM este util în traducerea rezumatelor indicilor numerici în narațiuni simple și în producerea de rapoarte preliminare. Dați-i statisticile și metadatele brute NDVI și cereți-i să genereze comentariul pe care să îl verificați.
PROMPT SLAB: „A devenit zona umedă mai mică în această imagine prin satelit?” STRONG PROMPT: „Dau două statistici NDVI datate (aceeași zonă, același senzor): 2020-07-15 avg NDVI=0,61 nor=3% unghi solar=58°2025-07-12 avg NDVI=0,42 nor=22% unghi soare=55°Zona de interes: lac 40 hectare calculate: lac. ΔNDVI și enumerați interpretările posibile.2) Enumerați motivele (nor, umbră, nivelul apei, anotimp, calibrare) din cauza acestei scăderi (nor, umbră, nivel apei, anotimp, calibrare) ALTE DECÂT pierderea reală a acoperirii.3) Pentru fiecare cauză posibilă, sugerați un pas de VERIFICARE pentru a o distinge (de exemplu, selectarea imaginii fără nori, înregistrarea corectă a nivelului de apă, vizitarea câmpului de reclamație). de X%' DO NOT SETUP afirmă că acest lucru poate fi spus doar dacă adevărul de bază îl confirmă.”
Promptitudinea puternică direcționează modelul nu către o singură concluzie definitivă, ci către un plan de explicații și verificări alternative. Faptul că imaginea din 2025 conține 22% nori face ca declinul să fie suspect în sine.
Verificarea adevărului de bază
Standardul de aur al interpretării prin teledetecție îl reprezintă punctele de verificare cu observații și măsurători efectuate în teren. Înregistrați acoperirea efectivă a terenului cu GPS la mai multe puncte de referință și o comparați cu clasificarea imaginii. Dacă câmpul spune „tref uscat” în pixelul unde AI sau algoritmul spune „apă”, clasificarea este nesigură.
mini carcasă
În monitorizarea impactului asupra mediului al unui sit minier, echipa a elaborat „15 hectare de pierdere de pădure din cauza activității miniere” pe baza reducerii NDVI calculată din imaginea satelitară și a avut interpretarea extinsă într-un LLM; modelul a produs o narațiune fluidă, persuasivă. Cu toate acestea, când raportul a fost verificat de către echipa pe teren, s-a văzut că o parte a zonei cu NDVI scăzut era de fapt o parcelă agricolă recoltată și o parte din ea era o umbră de nor care a coincis cu ziua filmării imaginii. Pierderea efectivă a pădurii a fost de aproximativ 4 hectare, nu de 15. Dacă metadatele (masca de nor) și stratul de utilizare a terenului ar fi fost verificate în prealabil, eroarea ar fi fost prevenită în primul rând. Propozițiile ordonate ale LLM nu au făcut corectă introducerea greșită.
Greșeli comune
- Compararea diferitelor imagini cu unghiul de sezon/soare și confundarea diferenței sezoniere cu „schimbare”.
- Interpretarea norilor și a umbrei norului ca pierdere reală a acoperirii; ocolind masca de nor.
- Efectuarea de judecăți precise din datele pixelilor despre obiectele mici care depășesc rezoluția spațială.
- Calcularea greșită a zonelor și distanțelor din cauza nepotrivirii sistemului de coordonate/proiecție.
- Gândind că NDVI este o măsură absolută a sănătății și tratarea pixelilor de apă și umbră ca și cum ar fi plante.
- Introducerea narațiunii fluide a hărții LLM în raport ca o concluzie finală fără adevăr de bază.
- Raportarea rezultatelor fără documentarea metadatelor (data, senzor, % cloud, nivel de procesare).
Pe scurt
- Analizele GIS sunt construite pe straturi aliniate într-un sistem de coordonate comun; Eroarea de proiecție denaturează rezultatul.
- Rezoluția spațială, spectrală, temporală și radiometrică limitează ceea ce poate arăta o imagine.
- NDVI = (NIR−RED)/(NIR+RED) este un indicator condiționat al vigorii plantelor, nu o măsură absolută a sănătății.
- În analiza schimbării, diferență = schimbare adevărată + zgomot; Norul, umbra și anotimpul sunt cei mai mari înșelători.
- LLM produce interpretarea indexului și schița narativă a hărții, dar nu „vede” imaginea din satelit; Comentarii in functie de numarul pe care il dati.
- Interpretarea AI și clasificarea automată nu pot fi transpuse în constatările finale de mediu fără verificarea cu adevărul de bază și metadate.
Sarcina de aplicare
Creați sau presupuneți două rezumate NDVI datate pentru un câmp (fie la alegere, fie un eșantion); Notați metadatele (data, procentajul norului, unghiul soarelui, senzorul) pentru fiecare dată. Calculați ΔNDVI. Scrieți o solicitare puternică și cereți LLM să ceară nu doar schimbarea reală a acoperirii, ci și explicații alternative (nor, umbră, sezon, nivelul apei, calibrare) și un pas de verificare pentru fiecare. Apoi redactați un „plan de verificare a adevărului la sol”: cel puțin trei puncte de referință, ce va fi măsurat pe teren și cum se va compara cu interpretarea imaginii. În cele din urmă, marcați care declarație din narațiunea produsă de LLM este „nu poate fi inclusă în raport fără verificare” și scrieți motivul.