Прибыль:
- Понимание логики обнаружения с помощью искусственного интеллекта разрастания городов, строительства и изменения растительного покрова с помощью дистанционного зондирования и спутниковых изображений.
- Способность критически оценивать классификацию изображений и результаты обнаружения изменений с указанием точности, разрешения и даты.
- Способность понимать, что границы, которые ИИ извлекает из изображения, должны быть подтверждены полевыми и официальными записями и не могут быть юридическим доказательством.
Невозможно выйти на поле один за другим, чтобы увидеть, где, насколько и как быстро вырос город за последнее десятилетие. Вместо этого планировщики используют дистанционное зондирование (создание изображений Земли с помощью спутников и самолетов и извлечение данных). Сравнивая спутниковые изображения, сделанные в разные даты, вы можете обнаружить новое строительство, потерянные сельскохозяйственные угодья, расширение незаконного строительства или сокращение зеленых насаждений. ИИ является мощным ускорителем классификации этих изображений (маркировки каждого пикселя как «структура», «растение», «вода» и т. д.) и обнаружения изменений между двумя датами. Но анализ изображений полон разрешения, даты, теней, облаков и ошибок классификации. «Изменение», которое отмечает ИИ, может быть тенью, сезонной разницей или ошибкой. Таким образом, ни один вывод, сделанный на основе изображения, не может быть использован в качестве основания для судебного иска без подтверждения полевыми и официальными протоколами.
Основные понятия дистанционного зондирования
Разрешение: площадь, занимаемая пикселем на земле. При разрешении 10 метров один пиксель представляет собой 10х10 метров; Небольшого флигеля не видно. Высокое разрешение (например, 0,3–1 метр) означает больше деталей, но более дорогие и менее частые данные.
Спектральный диапазон: спутники также записывают свет, который не может видеть глаз (например, инфракрасный). Растительность светится в инфракрасном диапазоне; это облегчает отделение растения от конструкции. Такие индексы, как NDVI (простой калькулятор, измеряющий жизнеспособность растений), широко распространены при отслеживании новых полей.
Дата и время года: если два изображения относятся к разным временам года, уменьшение зеленого цвета может быть не «потерей», а приходом зимы. Гармония даты и времени года важна для сравнения.
Точность: значение, которое показывает, насколько точна классификация. «Точность 85 процентов» означает, что каждый шестой пиксель может иметь неправильную маркировку; Это значительная погрешность для процесса аудита.
Внимание: строение, обнаруженное ИИ на спутниковом изображении, само по себе не является свидетельством незаконного строения. Тень, разрешение, дата и ошибка классификации приводят к ложным срабатываниям. Проверка и правоприменение всегда требуют контроля на объекте, регистрации свидетельства о праве собственности/лицензии и официальных измерений.
Самая большая ценность, которую бесплатные и открытые спутниковые данные (такие источники, как европейская программа Sentinel и американская программа Landsat) приносят планированию, — это исторические временные ряды: у вас есть доступ к десяткам изображений одной и той же местности за несколько лет. Это позволяет вам выйти за рамки одного сравнения «до/после» и увидеть скорость разрастания района, сезонные колебания и тенденции. ИИ помогает обобщить эти длинные ряды и отделить значимые закономерности изменений от шума. Но то же правило применяется и к временным рядам: независимо от того, насколько четко проявляется тенденция, именно разрешение изображений, скорость облачности и сезонность определяют результат; Ни одна тенденция не может считаться надежной без учета этих трех факторов.
Логика обнаружения изменений
Существует несколько способов сравнить два датированных изображения: классифицировать обе даты и сравнить классы, получить разницу индексов (например, разницу NDVI) или напрямую создать карту «измененных/не измененных» с помощью модели искусственного интеллекта. В результате получается карта изменений: где новая структура, где завод потерян. Эта карта бесценна в качестве предварительного просмотра: она говорит планировщику «посмотреть туда». Но по каждому признаку отдельно проверяется, настоящее ли это изменение или ошибка.
Шаг за шагом: анализ изменений с помощью искусственного интеллекта
- Определите вопрос. «Где будет новое строительство в [районе] в период с 2018 по 2024 год?»
- Выберите изображение. Сезон аналогичный, разрешение приемлемое, низкая облачность.
- Предварительная обработка. Принесите его к тому же CRS, выровняйте, примените маску облаков/теней.
- Классифицировать/сравнить. Создайте класс или измените карту с помощью ИИ.
- Оцените точность. Измерьте точность с известными контрольными точками.
- Поле и подтверждение регистрации. При необходимости сверьте отмеченные изменения с документом о праве собственности/лицензией и местом расположения.
- Ограничения отчета. Четко напишите дату, разрешение, точность и погрешность.
Слабая подсказка / Сильная подсказка
Слабая подсказка: «Скажите мне, что изменилось в этих двух изображениях».
ИИ создает красивый, но не совсем точный список; Вы можете подумать, что разница в оттенке и времени года — это настоящие перемены.
Настоятельная подсказка: «Я сравниваю классифицированные данные о растительном покрове за две даты (июль 2018 г. / июль 2024 г., один и тот же сезон, разрешение 10 м). Сообщая об анализе изменений, четко укажите: какие изменения могут быть ложноположительными из-за тени/сезона/разрешения, какие определения требуют проверки в полевых условиях и как следует измерять точность. Не будьте окончательными; отмечайте каждый результат с пометкой «требуется подтверждение на местах».
Вторая подсказка заставляет ИИ четко сообщать о неопределенности и источниках ошибок.
Четыре копируемых шаблона
Задача: Критически оценить следующие результаты обнаружения изменений. Перечислите возможные источники ОШИБОК для каждого обнаружения: тень, облако, время года, разрешение, ошибка классификации. Добавьте примечание «Требуется подтверждение поля». Не выносите окончательных суждений. Выводы/дата/решение: [...]
Задание: Напишите контрольный список критериев выбора изображений для анализа городских изменений: сезонность, разрешение, скорость облачности, диапазон дат, CRS. Создайте вопросы, чтобы узнать, соответствуют ли мои изображения этим критериям. Информация об изображении: [...]
Задача: СОСТАВИТЬ отчет на основе следующих результатов анализа изменений. Четко укажите разрешение, дату, точность и погрешность каждого результата. Оформите результаты как «предварительный отбор»; Подчеркните, что для проверки/наложения санкций требуется подтверждение на местах и официальные записи. Выводы: [...]
Задача: Предложить простой способ оценки точности классификации: сколько ориентиров, как выбрать, как рассчитать точность (простое объяснение). Какое утверждение о правде должно быть написано в отчете, например. Контекст: [...]
Таблица: тип данных и использование
Данные
резолюция
сильная сторона
предел
спутник среднего разрешения
10-30м
Бесплатно, часто, большая территория
Пропускает мелкую структуру
спутник высокого разрешения
0,3-1м
Детальное обнаружение структуры
Дорогой, редкий, облачный риск
Аэрофото/ортофото
0,1-0,3м
Очень подробно, официально.
Частота обновлений низкая
БПЛА (дрон)
уровень см
Мгновенно, очень подробно
Небольшое пространство, разрешение/законодательство
три мини-кейса
Случай 1 — Иллюзия тени. Муниципалитет видит в районе знаки «новое строительство» на карте изменений ИИ. Полевая команда уходит; Большинство знаков на дневном изображении представляют собой длинные тени. Реальное количество новостроек вдвое меньше знаков. ИИ провел предварительную проверку, но если использовать его без подтверждения, протоколы будут выданы ложно.
Случай 2 — Выход из небольшой структуры. Планировщик пытается отслеживать небольшие склады на сельскохозяйственном поле с помощью свободного спутника с разрешением 10 метров. Поскольку склады имеют размеры 6х8 метров, они остаются под одним пикселем и не видны. Планировщик переключается на ортофотоплан высокого разрешения для фактического отслеживания. Разрешение определяет, что можно увидеть.
Случай 3 — Прозрачный отчет. Одна команда анализирует 6-летний разброс региона и четко пишет в отчете, что «обнаружения представляют собой предварительное сканирование с точностью 82 процента; 47 точек ожидают подтверждения на местах; даты изображений и разрешение прилагаются». Парламент оценивает результат с правильным весом. Сообщение о неопределенности, а не ее сокрытие, делает анализ надежным.
Распространенные ошибки
- Принятие обнаружения за доказательство. Изображение предварительно сканируется; Это требует санкций и официальной регистрации.
- Несоответствие сезона/даты. Различные сезонные изображения создают ложные вариации.
- Игнорирование резолюции. Мелкие структуры не видны при низком разрешении; Это не «никакой».
- Несообщение о точности. Сокрытие предела погрешности приводит к неверным решениям.
- Забывая тень и облако. Два наиболее распространенных источника ложных срабатываний.
- Несоответствие CRS. Невыровненные изображения меняются не в том месте.
В заключение
Спутниковые и аэрофотоснимки — самые эффективные способы увидеть масштабные и быстрые изменения в городах; ИИ ускоряет классификацию и обнаружение изменений. Но разрешение определяет, что можно увидеть, время года и дата определяют, что реально, тень и облако определяют, что является ложным срабатыванием. Точность всегда должна измеряться и сообщаться. Самое главное: обнаружение по изображению — это предварительное сканирование; Контроль на местах, регистрация свидетельства о праве собственности/лицензии и официальные измерения необходимы для проверки и применения санкций. ИИ ускоряет видение, а не принятие решений.
Задача приложения
Рассмотрим пару изображений (или сценариев) с двумя разными датами. (1) Проверьте критерии выбора изображения по второму шаблону: время года, разрешение, подходит ли облако? (2) Предположим список обнаружений изменений и извлекаем возможные источники ошибок для каждого обнаружения с помощью исходного шаблона. (3) Создайте проект отчета с использованием третьего шаблона и добавьте точность и погрешность. (4) Запишите, какие решения потребуют подтверждения на местах и как вы это сделаете.
контрольный список
- [ ] Я проверил сезон, дату и совместимость изображений с разрешением.
- [ ] Я выровнял изображения по одному и тому же CRS; Я принял во внимание маску облака/тени.
- [ ] Я рассматривал обнаружение изменений как предварительную проверку, а не как доказательство.
- [ ] Я оценил и сообщил о точности классификации.
- Я подтвердил изменения, отмеченные [ ], в полевых и официальных записях.
- [ ] Я отметил, что может не соответствовать пределу разрешения.
- [ ] Я четко указал дату, разрешение и погрешность в отчете.