Прибыль:
- Способность объяснить, как с помощью искусственного интеллекта выполняется картирование литологии, разломов и изменений на спутниковых и аэрофотоснимках.
- Способность разработать рабочий процесс, который извлекает минеральные и структурные маркеры из мультиспектральных/гиперспектральных данных.
- Возможность проверять результаты дистанционного зондирования с учетом наземных и геологических условий.
Геологическая карта — это проекция подземного сюжета региона на поверхность: какой массив горных пород где находится, где проходят разломы, в каком направлении наклонены пласты. Классически эта карта представляет собой продукт, который геолог создает, путешествуя от обнажения к обнажению в течение нескольких месяцев полевых работ. Сегодня дистанционное зондирование и искусственный интеллект ускоряют большую часть этого процесса. В этом разделе мы увидим, как картирование литологии, разломов и изменений (химическое изменение горных пород гидротермальными водами; критический показатель при разведке полезных ископаемых) выполняется с помощью искусственного интеллекта на основе спутниковых / аэрофотоснимков, и, что наиболее важно, как эти результаты проверяются с реальностью земли.
Предупреждение с самого начала: изображение дистанционного зондирования – это измерение, а не интерпретация; Но каждая карта, полученная на основе этого измерения, является интерпретацией, и в интерпретации есть ошибка. «Зоной изменения», отмеченной искусственным интеллектом, может быть настоящий минеральный индикатор, высохшее поле, тень или атмосферное возмущение. Карта является гипотезой, пока не будет проверена в полевых условиях.
Базовая физика дистанционного зондирования
Каждый минерал и горная порода отражают солнечный свет на разных длинах волн с разной скоростью; это называется спектральной сигнатурой. Человеческий глаз видит только видимый свет (красный-зеленый-синий), но спутниковые датчики измеряют гораздо более широкий диапазон, включая инфракрасный. Две основные концепции:
Мультиспектральная визуализация измеряет в нескольких широких диапазонах длин волн (обычно 4–12 диапазонов); например, спутники Landsat и Sentinel. Он отличает грубые скалы. С другой стороны, гиперспектральная визуализация измеряет сотни узких полос и может распознавать минералы почти по их «спектральным отпечаткам»; Его используют для различения минералов изменений (таких как каолинит, алунит, иллит).
ИИ выполняет здесь две задачи: во-первых, он классифицирует эти многомерные спектральные данные (какой пиксель соответствует какой литологии/минералу). Во-вторых, он извлекает разломы и структурные особенности из геометрических узоров изображения (линеаментов, текстуры, дренажной сети). Когда добавляется цифровая модель рельефа (сокращенно DEM; трехмерная карта рельефа местности), в анализ также включаются наклон, экспозиция и топографические линии.
Шаг за шагом: рабочий процесс изменения карты
- Подготовьте изображение. Атмосферная коррекция (устранение искажающего влияния атмосферы), маскировка облаков, маска растительности. Если этот шаг пропустить, весь результат будет испорчен.
- Сузьте сферу своих интересов. Ограничить область исследования геологическим контекстом (известный разлом, пласт, обнажение); Дайте контекст модели.
- Вычислить спектральные индексы. Соотношения полос, которые выделяют определенные минеральные группы (например, оксиды железа, глинистые минералы).
- Классифицировать. Искусственный интеллект классифицирует пиксели/области и отмечает возможные зоны изменения.
- Запланируйте проверку местности. Выберите точки отбора проб из отмеченных зон и проверьте их в поле. Без этого шага карта не будет подписана.
Роль и ограничения искусственного интеллекта в анализе изображений
В частности, ИИ уменьшает два типа ошибок: он выявляет тонкие аномалии, которые упускаются из виду, и стандартизирует противоречивые интерпретации. Но это дает три систематические ошибки. Первый — ложноположительный: растительность, тень, строение человека или влажность почвы могут выглядеть как изменения. Второй — предвзятость обучения: если модель обучена на данных из другого региона, она будет неверной на другой литологии вашего участка. В-третьих, это иллюзия масштаба: один пиксель покрывает десятки метров на земле; Тонкие структуры теряются, смешанные пиксели (несколько материалов в одном пикселе) вводят в заблуждение.
Итак, золотое правило: истина всегда побеждает. Карта, полученная на основе изображения, не может считаться окончательной без проверки ее с помощью образцов и наблюдений в выбранных точках поля. Точки проверки выбираются не случайно, а стратегически, чтобы охватить как «определенные», так и «подозрительные» зоны.
Три мини-кейса: в цифрах
Случай 1 — Сужение области поиска. Геологоразведочная компания оценивала лицензионный участок площадью 1200 км². Классификация изменений с помощью искусственного интеллекта на основе гиперспектральных данных сократила площадь до 7 целевых зон площадью 38 км². Вместо того, чтобы посещать всю территорию, полевая группа отдала приоритет этим 7 зонам; время первоначальной полевой кампании сократилось примерно на 70%. 5 из 7 зон показали реальные изменения в поле, 2 были ложноположительными (глинистый грунт) — без проверки эти 2 зоны были бы потрачены впустую.
Случай 2. Предварительный эскиз картирования разломов. DEM и анализ линеаментов, извлеченных из изображений, позволили предположить наличие двух второстепенных линеаментов рядом с известным основным разломом. Один оказался настоящей ошибкой в полевых условиях; другой оказался топографическим следом трассы трубопровода. Модель правильно уловила геометрический узор, но не смогла определить его происхождение; Он проводил различие между геологической достоверностью и контролем месторождения.
Случай 3 — Ошибка тени облаков. В одной области модель отметила сильное «изменение оксида железа» на северном склоне. Атмосферная коррекция была неполной, и сигнатура фактически представляла собой спектральное искажение тонкого облачного покрова. Когда изображение было повторно обработано и исправлено, аномалия исчезла. Урок: ошибка предварительной обработки обманывает даже самую продвинутую модель.
Слабая подсказка/Сильная подсказка
Слабая подсказка:
Покажите места, где могут быть мины, на этом спутниковом снимке.
Мощная подсказка:
Ваша роль: Геолог дистанционного зондирования Земли. Интерпретируйте следующие значения спектрального индекса и соотношения полос (изображение Sentinel-2, засушливая зона, редкая растительность).- Для каждой возможной зоны изменения: напишите, какой индекс/отношение вызвало это.- Предложите ПО МИНИМУМ один ложноположительный источник для каждой зоны (растительность, тень, почва, искусственный, атмосферный).- Отсортируйте зоны по «приоритету проверки местности» (высокий/средний/низкий).- Не указывайте ни одну зону как «заминированную»; Данные «токен изменения должен быть проверен»: [таблица индекса/рейта + контекст]
Сильная подсказка заставляет модель сама перечислять ложные срабатывания и избегать заявлений о точности.
Четыре копируемых шаблона
1) Контрольный список предварительной обработки:
Проверьте этапы предварительной обработки, которые могли быть пропущены в следующем рабочем процессе дистанционного зондирования: атмосферная коррекция, маска облаков/теней, маска растительности, топографическая коррекция, калибровка датчика. Объясните в одном предложении для каждого случая, как пропущенные шаги могут повлиять на ваш вывод. Рабочий процесс: [определение]
2) Интерпретация зоны изменений:
Извлеките возможные минеральные группы изменений из следующих значений спектрального индекса (глина, оксид железа, карбонат, кремнезем). Для каждой группы: триггерный индекс, уровень уверенности, альтернативное объяснение (ложноположительный результат), предлагаемая проверка на местах. Утверждение об уверенности. Данные: [индексы]
3) Разделение линеаментов/разломов:
Рассмотрим список линейностей ниже. Перечислите возможные источники происхождения каждого из них: разлом, граница плиты, дамба, дренаж, человеческое строение (дорога/линия/поле), граница растительности. Укажите наиболее вероятное происхождение с учетом геологического контекста, но исключите единственную возможность. Список: [линейности + контекст]
4) План точки проверки:
Предложите план полевой проверки для следующей карты изменений/литологии: - Сколько точек отбора проб для каждого класса и почему. - Сбалансированный отбор проб из «определенных» и «сомнительных» зон. - Примечание о доступе и безопасности. Краткое описание карты: [классы и области]
Тип изображения и область использования
Тип данных
Какие меры
Его сила в том,
предел
Мультиспектральный (Sentinel/Landsat)
широкополосный доступ
Грубая литология, региональное сканирование
Разделение минералов ограничено
гиперспектральный
Сотни узких полос
Различие между минералами и изменениями
Стоимость, накладные расходы на обработку
DEM (высота)
топография
Разлом/линеамент, дренаж
Литология не дает
тепловой инфракрасный
температура поверхности
Немного силикатов/карбонатов
чувствителен к атмосфере
Радар (САР)
Шероховатость/деформация поверхности
Под облаками, оседание/оползень
Интерпретация сложна
Совет: используйте результаты дистанционного зондирования в качестве «сканирования с определением приоритета объекта», а не «карты бурения». Его величайшая ценность в том, что он говорит вам, куда идти в первую очередь; Полевые данные и инженер решают, где бурить.
Внимание: даже самая совершенная классификация дает систематические ошибки, если не выполнять предварительную обработку (атмосферную и топографическую коррекцию, маскирование). В случае «выходных данных странный» сначала запросите предварительную обработку, а не модель. Принцип «мусор на входе — мусор на выходе» здесь безжалостен.
Распространенные ошибки
- Пропуск предварительной обработки. Принятие аномалий на неисправленных изображениях за реальную геологию.
- Забываем ложные срабатывания. Принятие растений, тени, влажности почвы и человеческих структур за изменения/дефекты.
- Подписание без оснований. Принятие решения о бурении на основе карты изображений без проверки на месте.
- Масштабная иллюзия. Забывание о размере пикселя и игнорирование того факта, что мелкие структуры теряются или пиксели смешаны, вводят в заблуждение.
- Игнорирование образовательных предубеждений. Слепое применение модели, обученной в другом регионе, к месторождению с другой литологией.
В заключение
- Дистанционное зондирование измеряет спектральные характеристики минералов на разных длинах волн; Различают мультиспектральный грубый и гиперспектральный тонкий.
- Искусственный интеллект классифицирует эти многомерные данные и извлекает ошибки/линейность из геометрических узоров; но это приводит к ложным срабатываниям, смещению обучения и смещению масштаба.
- Предварительная обработка (атмосферная/топографическая коррекция, маскирование) определяет качество результата; Если его не указать, возникнет систематическая ошибка.
- Дистанционное зондирование является инструментом проверки/определения приоритетов; Карта не считается точной без проверки наземных данных.
- Основная истина всегда побеждает; Точки проверки должны сбалансированно охватывать как определенные, так и подозрительные зоны.
Задача приложения
Анонимизируйте значения спектрального индекса/отношения полос или список линеаментов DEM, который у вас есть для рабочего места (или области открытых данных). Интерпретируйте возможные зоны изменений или неисправности с помощью мощной подсказки и попросите модель предложить хотя бы один ложноположительный источник для каждой зоны. Затем составьте план контроля объекта по шаблону «План точки проверки»; Обратите внимание в одном предложении, сколько точек разбито на «подозрительные» зоны и почему вы проводите сбалансированную выборку.
контрольный список
- [ ] Я могу отличить, что измеряют мультиспектральные и гиперспектральные данные и для чего они используются.
- [ ] Я знаю, как этапы предварительной обработки (обрезка, маскирование) влияют на результат.
- [ ] Я подвергаю сомнению источники ложных срабатываний (растительность, тень, антропогенные воздействия) в выходных данных об изменениях/неисправностях.
- [ ] Я рассматриваю карту дистанционного зондирования как инструмент сканирования и проверяю ее с проверкой местности.
- [ ] Я могу планировать точки проверки, чтобы сбалансировать определенные и подозрительные зоны.