Dobički:
- Sposobnost skeniranja anomalij v satelitskih, letalskih fotografijah in podatkih LiDAR z umetno inteligenco ter ovrednotenje vsakega znaka kot kandidata, ki zahteva potrditev terena
- Razumevanje sezonske in pogojne odvisnosti sledi rastlin, tal in senc ter kako se odpravijo naravni/moderni lažni pozitivni rezultati.
- Sposobnost uporabe, zakaj je treba občutljive lokacije mest zaščititi pred ropanjem in zamegliti v oddaji
Eden najbolj vznemirljivih dosežkov v arheologiji je zmožnost videti sledi pod zemljo in na površini brez kopanja v zemljo. Daljinsko zaznavanje (metoda pregledovanja območja s satelitskimi, letalskimi ali dronovimi posnetki brez fizičnega dotika) je najmočnejše orodje za skeniranje velikih območij in odkrivanje možnih lokacij (mesta, kjer so arheološke ostaline). V tej enoti se bomo naučili, kako umetna inteligenca označuje anomalije (sledi, ki se razlikujejo od okolice in so lahko umetne) na satelitskih slikah, fotografijah iz zraka in podatkih LiDAR, toda zakaj je treba vsako oznako potrditi na terenu.
Osnovno načelo: umetna inteligenca je pomočnik za skeniranje in kazanje, ki govori "poglej sem" v širokem območju; "To je res lokacija" sprejmeta zemljiška kontrola in strokovnjak. Pri daljinskem zaznavanju je vsaka točka, označena z AI, hipoteza in ne odkritje.
Vrste daljinskega zaznavanja
Satelitska in letalska fotografija. Vkopane strukture povzročajo različno rast tal in vegetacije nad njimi. Pridelek na steni je šibkejši, na jarku je bolj grmičast; Te se imenujejo oznake za obrezovanje. NDVI (indeks, ki meri zdravje vegetacije; kvantificira vitalnost rastlin z infrardečo svetlobo) poudarja te razlike. AI skenira te subtilne razlike v velikih slikah hitreje kot človek.
LiDAR. LiDAR (Light Detection and Ranging — tehnologija, ki ustvari zelo natančen 3D zemljevid višin površja z izstrelitvijo laserja z letala na tla in merjenjem časa vračanja) je najbolj revolucionarno orodje. Njegova značilnost je, da lahko laser doseže tla skozi drevesa; Tako se ob številčnem »luščenju« vegetacije pokažejo gomile, terase, ceste in temelji stavb pod gozdom. AI označuje izbokline, jame in gladke geometrijske oblike v teh podatkih o višini.
Geofizika (dopolnilno). Metode, kot sta geodetski radar (GPR) in magnetno merjenje, vidijo tik pod površjem; AI pomaga iskati vzorce anomalij tudi v teh podatkih.
Koraki odkrivanja mesta z AI
- Priprava podatkov. Slike prilagodimo koordinatnemu sistemu (georeferenciranje), popravimo senco in kontrast. V LiDAR-ju se vegetacija filtrira in nastane "model golih tal".
- Skeniranje anomalij. AI označuje gladke geometrije, ki jih je morda ustvaril človek (krožna gomila, pravokotna struktura, linearni jarek/cesta).
- Odprava. Večina znakov je naravnih (geoloških, kmetijskih, sodobnih). Strokovnjak izloči tiste, ki so izrazito naravne in moderne.
- Določanje prednosti. Preostale kandidatne točke imajo prednost glede na kontekst in znano distribucijo mesta.
- Potrditev zemljišča. Prioritetne točke se preverijo na lokaciji s površinsko raziskavo in po potrebi z vrtanjem. Nobena točka ni razglašena za "sedi" brez potrditve.
Namig: znake umetne inteligence vedno glejte kot "seznam kandidatov z visoko stopnjo lažno pozitivnih rezultatov." Cilj je inteligentno zožiti kraje za obisk na terenu; da ne razglasim odkritja. Zmanjšanje 200 kopenskih točk na 30 v sezoni je velika pridobitev.
Občutljiva lokacija: kritična zasebnost
Najresnejše etično in varnostno vprašanje pri odkrivanju lokacije je zaupnost lokacije. Natančne koordinate na novo identificiranega, nezavarovanega najdišča so neposredna tarča nezakonitih kopačev in iskalcev zakladov. Zato:
- Ne vstopajte v javna vozila z umetno inteligenco, katerih točne koordinate niso bile potrjene.
- Zabrišite lokacijo občutljivih mest v oddajah in predstavitvah (navedite splošno območje, brez GPS-a).
- Hranite podatke v varnem sistemu organizacije in omejite dostop.
Pozor: Če prilepite koordinate mesta v javno storitev z besedami "Samo dal bom narisati zemljevid", lahko pusti to mesto odprto za plenjenje. Podatki o lokaciji so sredstvo, ki ga je treba varovati tako kot najdbo samo.
trije mini kovčki
1. primer — skeniranje je zožilo območje. Raziskovalni projekt bi raziskal površino 500 km². LiDAR analiza, ki jo poganja AI, je označila 120 možnih gomil pod gozdom. Po strokovni izločitvi ostane 38 prednostnih mest; Za 11 od teh so na terenu ugotovili, da gre za prave arheološke strukture. Umetna inteligenca je zgostila mesece slepega iskanja v ciljno sezono.
2. primer – lekcija je bila lažno pozitivna. Medtem ko se je ekipa navdušeno pripravljala razglasiti gladko okroglo brazgotino, ki jo je AI označil za "hribček", je strokovnjak geolog pokazal, da gre za naravno vdolbino (dolin). Izjava brez potrditve zemljišča bi lahko pomenila izgubo ugleda. Lekcija: AI vidi geometrijo, ne interpretacije izvora.
Primer 3 – Preprečeno uhajanje lokacije. Študent bi sliko, ki vsebuje koordinate na novo najdenega mesta, naložil v javno orodje. Svetovalec se je ustavil; območje je bilo še nezavarovano. Slika je bila obdelana z odstranjenimi podatki o koordinatah in samo v varnem sistemu.
Štiri predloge za kopiranje
1) Okvir za skeniranje nepravilnosti:
Vaša vloga: pomočnik pri analizi daljinskega zaznavanja. Dal vam bom sliko/podatke višine golih tal (izpeljanih z LiDAR-ja). Označite gladke geometrije (krožne, pravokotne, linearne), ki jih je LAHKO ustvaril človek; Za vsakega zapišite lokacijo, obliko in zakaj je opazen. Za vsako znamenje navedite tudi možnost naravne/moderne razlage. Ne razglasite dokončnega "sedi".
2) Lažno pozitivna eliminacija:
Spodaj je seznam kandidatnih točk, ki jih je označil AI. Za vsako naštej naravne in sodobne razlage (geološka tvorba, kmetijska sled, cesta, temelj stavbe), ki jih lahko odpravim PRED pregledom terena. Preostale "res nedorečene" kandidate naštejte posebej.
3) Ureditveni načrt:
Moja najboljša mesta kandidatov so: [seznam]. Za vsako točko se pojavi kontrolni seznam, ki vsebuje kazalnike, ki jih moram iskati pri potrditvi na terenu (površinske najdbe, topografija, barva tal, gostota kamenja) in varna/etična pravila na terenu (dovoljenje, zaupnost lokacije).
4) Zameglitev lokacije za oddajo:
Ko pripravljate naslednje informacije o spletnem mestu za publikacijo/predstavitev, predlagajte, kako bi ga lahko opisal, BREZ da bi razkril natančno lokacijo: navedite, katero stopnjo posploševanja (pokrajina/regija), katere informacije je treba izpustiti. Cilj: ravnotežje med znanstveno preglednostjo in zaščito pred kvarjenjem.
Šibek poziv/močan poziv
Šibek poziv:
Ali je na tej satelitski sliki arheološko najdišče? Navedite njene koordinate.
AI lahko razglasi naravno sled za "sedenje" in prilega zanesljivi koordinati; To je nevarno tako z znanstvenega kot varnostnega vidika.
Močan poziv:
Vaša vloga: pomočnik pri daljinskem zaznavanju. Označite gladke geometrijske oznake, ki so LAHKO umetne na tej sliki. Za vsako sled: (a) njena oblika, (b) zakaj je izjemna, (c) naravna/moderna alternativna razlaga. To so kandidati, ki jih je treba preveriti samo NA TERENU; ne razglasite "sedi". Ustvarite natančne koordinate, opišite relativno lego.
Razlika: prvi objavi odkritje; slednji ustvari varen seznam kandidatov, ki jih je treba preveriti.
Vrste slik in sezonski učinki
Pri daljinskem zaznavanju slika ne deluje "vedno"; Potreben je pravi pogoj, da vidimo pravo pot. Oznake pridelka so najbolje vidne v sušnih obdobjih, ko je pridelek v vodnem stresu: prst nad zakopano steno zadržuje manj vode, zato pridelek tam zgodaj porumeni in je od zgoraj viden kot črta. Na sliki vlažne pomladi se ista sled morda sploh ne pojavi. Oznake prsti se pojavijo, ko po oranju njive na površje pride različno obarvana zemlja. Senčne sledi pa razkrivajo rahle izbokline in luknje z dolgimi sencami na šibkem soncu, zjutraj ali zvečer. Zato je treba območje oceniti ne z eno samo podobo, temveč z mnogimi podobami v različnih letnih časih in časih; AI pospeši to večkratno primerjavo.
Prednost LiDAR-ja je, da v veliki meri premaga to odvisnost od pogojev: ker neposredno meri topografijo površine, je manj odvisen od sezone vegetacije in lahko vidi gozdno podrast. Vendar pa lahko pri izdelavi »modela golih tal« v LiDAR, če je rastlinski filter preveč agresiven, izbriše prave izbokline, če pa je premehak, lahko zamenja drevesa za strukture; Te odločitve o filtrih zahtevajo strokovni nadzor.
Nasvet: Ko ocenjujete območje, vprašajte "v kateri sezoni, ob kateri uri in s kakšno metodo?" Vedno postavite vprašanje. Če na eni sliki ni sledi, še ne pomeni, da mesta ni; Mogoče ga gledate v napačnem stanju.
Primerjalna tabela metod
Metoda
kar vidi
Prispevek AI
meja
Satelitska/zračna fotografija
Rastlinske/zemeljske sledi
Skeniranje širokega območja
sezona, resolucija
NDVI
Razlika v moči rastlin
Poudarjanje brazgotin
Pomeša naravne razlike
LiDAR
površinska topografija
geometrija gozdnega podrastja
Napake rastlinskega filtra
Geofizika (GPR/magnetno)
podpovršinska struktura
Vzorec anomalije
lokalno, počasi
Pogoste napake
- Zamenjati anomalijo za odkritje. Znak je kandidat; Brez potrdila o zemljišču to ni lokacija.
- Brez odpravljanja naravnih/modernih sledi. Doline, kmetijske brazgotine in cevi se pogosto pojavljajo kot "strukture".
- Dajanje točne koordinate odprtemu vozilu. Nevarnost plenjenja; Lokacija je dobrina, ki jo je treba varovati.
- Zanašanje na eno samo sliko. Razlaga je nepopolna brez različnih letnih časov, različnih metod in terena.
- Pozabite na lažno pozitivno stopnjo. Večina znakov je praznih; To je normalno, namen se oži.
Če povzamem
Pri daljinskem zaznavanju AI prihrani ogromno časa pri skeniranju velikih območij in označevanju možnih mest. Toda vsak znak je hipoteza, ki jo je treba potrditi na terenu; naravne in sodobne sledi so skrbno odstranjene; in kar je najpomembneje, občutljive lokacije so zaščitene pred ropanjem. AI pravi "poglej sem"; Zemljišče in izvedenec odločata, ali je »ta kraj zaščiten«.
Aplikacijska naloga
Izberite odprto dostopno LiDAR ali satelitsko sliko (iz vaše regije ali iz vzorčnega nabora podatkov). Naj AI označi možne geometrije s predlogo »Skeniranje anomalij«, nato odstranite naravne/moderne razlage s predlogo »Lažno pozitivno izločanje«. Pripravite osnutek načrta nadzora zemljišč za preostale kandidate in vključite obvestilo o zaupnosti lokacije.
kontrolni seznam
- [ ] Signale umetne inteligence sem imel za "kandidate", ne za odkritja.
- [ ] Poskušal sem izločiti naravne in sodobne sledi.
- [ ] Načrtoval sem potrditev zemljišča za prednostne kandidate.
- [ ] Občutljive lokacije sem izpustil iz odprtega vozila in jih v oddaji zameglil.
- [ ] Upošteval sem, da je stopnja lažno pozitivnih rezultatov lahko visoka.