Dobički:
- Sposobnost interpretacije plasti GIS, NDVI in konceptov pasu/ločljivosti daljinskega zaznavanja
- Interpretacija indeksa, analiza sprememb in priprava pripovedi zemljevida z AI
- Sposobnost preverjanja interpretacije satelita/zemljevida AI z resnico o zemlji in metapodatki
Ste okoljski inženir, ki dela na projektu ohranjanja mokrišč. Svet želi, da raziščete pritožbe, da se je trstičje ob jezeru v zadnjih petih letih zmanjšalo. Preden greste na teren, morate za mizo opraviti predhodno oceno: imate satelitske posnetke iz dveh različnih let, projekt GIS (Geografski informacijski sistem) in jezikovni model. LLM lahko razložite povzetek slik NDVI in napišete osnutek pripovedi o spremembi. Vendar pa satelitski piksel predstavlja 10-metrski kvadrat in ali je v tem kvadratu senca oblaka, sušeč se trst ali sezonska raven vode, lahko razumete le z resnico o tleh. V tej enoti obravnavamo koncepte daljinskega zaznavanja in GIS, interpretacijo indeksa/spremembe z umetno inteligenco in, kar je najpomembnejše, omejitve te interpretacije.
Logika plasti GIS in osnove daljinskega zaznavanja
GIS organizira geografske podatke v prekrivajoče se plasti: vsaka plast nosi temo (raba zemlje, vodna telesa, nadmorska višina, ceste) in je poravnana v skupnem koordinatnem sistemu. Analiza se začne s prekrivanjem pravilnih plasti v pravilni projekciji; napačen koordinatni sistem sistematično spreminja območja in razdalje.
Pri razlagi slike daljinskega zaznavanja morate razlikovati med tremi vrstami ločljivosti:
Vrsta ločljivosti
Kaj pove?
primer
omejitev
prostorski
Velikost slikovne pike na tleh
10m, 30m
Majhni predmeti ostanejo podpikselni
spektralni
Koliko in kateri pas valovnih dolžin?
Rdeča, NIR, SWIR
Manj pasu = manjša moč razlikovanja
časovno
Kako pogosto si ogledate isto mesto
5 dni, 16 dni
Izguba podatkov v oblačnih dneh
Radiometrični
Svetlobna občutljivost (bitna globina)
8-bitni, 12-bitni
Majhna globina = slaba diskriminacija
NDVI: formula in razlaga
Najpogostejši indeks, ki meri vitalnost vegetacije, je NDVI (Normalized Difference Vegetation Index). Zdrava rastlina močno odbija bližnjo infrardečo (NIR) in absorbira rdečo (RED):
NDVI = (NIR − RED) / (NIR + RED) Razpon vrednosti: −1 ... +1 < 0 : voda, sneg, oblak 0,0 - 0,2 : gola tla, skala, pozidano območje 0,2 - 0,5 : redka/zelnata vegetacija, obremenjen pokrov 0,5 - 0,9 : gosta, zdrava zelena odeja
# NDVI majhnega vzorčnega bloka slikovnih pik uvozi numpy kot npnir = np.array([[0,42, 0,38], [0,11, 0,45]]) # bližnje infrardeče refleksijered = np.array([[0,06, 0,09], [0,10, 0,05]]) # rdeča refleksijaendvi = (nir - rdeča) / (nir + red)print(np.round(ndvi, 2))# [[0,75 0,62]# [0,05 0,80]]# Spodnja leva slikovna pika (0,05): ni rastlina — lahko so gola tla ali voda/senca
Namig: NDVI ni absolutno merilo "zdravja", ampak indikator, odvisen od stanja. Ko primerjate dva datirana NDVI istega območja, se prepričajte, da sta bili sliki posneti v podobnih letnih časih, podobnih sončnih kotih in pogojih brez oblakov. Primerjava videza poznega poletja s pomladjo povzroči neresnično "izgubo rastlin".
Analiza sprememb (odkrivanje sprememb)
Preprost način za iskanje razlike med dvema datumoma je razlika v NDVI, vendar je ta razlika smiselna le, če je mogoče primerjati slike.
ΔNDVI = NDVI_2025 − NDVI_2020 ΔNDVI << 0 : možna izguba pokrova (sušenje, rezanje, gradnja) ΔNDVI ≈ 0 : brez spremembe ΔNDVI >> 0 : možno povečanje pokrova (ozelenitev, obnova) POZOR: Razlika lahko odraža dejansko spremembo kot tudi razlike v letnem času/oblaku/sončnem kotu/kalibraciji. Razlika = dejanska sprememba + hrup.
Pozor: oblaki, sence oblakov in sezonskost so največji dejavniki, ki škodijo analizi sprememb. Območje pod senco oblakov daje nizek NDVI in je videti kot "izguba vegetacije". Ko LLM izvaja interpretacijo slike, lahko model te artefakte zamenja za resnični dogodek. Ne pozabite preveriti metapodatkov slike (datum, odstotek oblakov, sončni kot).
Interpretacija indeksa in pripoved zemljevida z AI
LLM je uporaben pri prevajanju povzetkov numeričnih indeksov v preprosto pripoved in pripravi osnutkov poročil. Dajte mu neobdelano statistiko in metapodatke NDVI ter ga prosite, naj ustvari komentar, ki ga boste lahko preverili.
ŠIBEK POZIV: "Ali se je mokrišče na tej satelitski sliki zmanjšalo?" MOČEN POZIV: »Navajam dve datirani statistiki NDVI (isto območje, isti senzor): 2020-07-15 povprečje NDVI=0,61 oblak=3% sončnega kota=58°2025-07-12 povprečno NDVI=0,42 oblak=22% sončnega kota=55°Območje zanimanja: trstičje ob jezeru, ~40 hektarjev. naloga:1) Izračunajte ΔNDVI in navedite možne interpretacije.2) Naštejte razloge (oblak, senca, vodna gladina, letni čas, kalibracija), zaradi katerih (oblak, senca, vodna gladina, letni čas, umerjanje) bi lahko bil ta upad, RAZEN DEJANSKE izgube pokrova.3) Za vsak možen vzrok predlagajte korak PREVERJANJA, da ga ločite (npr. izbira slike brez oblakov, terenski obisk, vodna gladina posnetek).4) Točna trditev 'trstičje se je skrčilo za X%' NE NASTAVLJAJTE; navedite, da je to mogoče trditi le, če to potrdi temeljna resnica.«
Močan poziv ne usmerja modela k enemu dokončnemu zaključku, ampak k načrtu alternativnih razlag in preverjanja. Zaradi dejstva, da slika iz leta 2025 vsebuje 22 % oblakov, je upad sumljiv sam po sebi.
Preverjanje resnice na tleh
Zlati standard interpretacije daljinskega zaznavanja so verifikacijske točke z opazovanji in meritvami na terenu. Z GPS-om posnamete dejansko pokrovnost tal na več referenčnih točkah in jo primerjate s klasifikacijo slike. Če polje piše "suho trsje" v slikovni piki, kjer AI ali algoritem pravi "voda", je klasifikacija nezanesljiva.
mini etui
Pri spremljanju okoljskega vpliva rudarskega mesta je skupina pripravila osnutek "15 hektarjev izgube gozda zaradi rudarske dejavnosti" na podlagi zmanjšanja NDVI, izračunanega iz satelitske slike, in dala interpretacijo razširiti v LLM; model je ustvaril tekočo, prepričljivo pripoved. Ko pa je poročilo preverila ekipa na terenu, je bilo razvidno, da je bil del območja z nizkim NDVI dejansko požeta kmetijska parcela, del pa je bila senca oblaka, ki je sovpadala z dnem snemanja slike. Dejanska izguba gozda je bila približno 4 hektare, ne 15. Če bi bili metapodatki (maska oblaka) in sloj rabe zemljišč preverjeni vnaprej, bi bila napaka sploh preprečena. LLM-jevi čedni stavki niso naredili pravilnega napačnega vnosa.
Pogoste napake
- Primerjava slik različnih letnih časov/sončnega kota in zamenjava sezonske razlike za "spremembo".
- Razlaga oblaka in sence oblaka kot dejanske izgube kritja; mimo maske oblaka.
- Izdelava natančnih presoj iz slikovnih pik o majhnih predmetih, ki presegajo prostorsko ločljivost.
- Napačen izračun površin in razdalj zaradi neusklajenosti koordinatnega sistema/projekcije.
- Misliti, da je NDVI absolutno merilo zdravja, in obravnavati vodne in senčne pike, kot da bi bile rastline.
- Vključevanje LLM-jevega tekočega zemljevida v poročilo kot končne ugotovitve brez temeljne resnice.
- Poročanje o rezultatih brez dokumentiranja metapodatkov (datum, senzor, % oblaka, stopnja obdelave).
Če povzamem
- GIS analize so zgrajene na slojih, ki so poravnani v skupnem koordinatnem sistemu; Napaka projekcije popači rezultat.
- Prostorska, spektralna, časovna in radiometrična ločljivost omejujejo, kaj lahko slika pokaže.
- NDVI = (NIR−RED)/(NIR+RED) je pogojni indikator moči rastline in ne absolutno merilo zdravja.
- Pri analizi sprememb razlika = prava sprememba + šum; Oblak, senca in letni čas so največji prevaranti.
- LLM izdela interpretacijo indeksa in oris pripovedi zemljevida, vendar ne "vidi" satelitske slike; Komentarji glede na številko, ki jo navedete.
- Razlage umetne inteligence in samodejne klasifikacije ni mogoče prevesti v končne okoljske ugotovitve brez preverjanja z osnovno resnico in metapodatki.
Aplikacijska naloga
Ustvarite ali predpostavite dva datirana povzetka NDVI za polje (po vaši izbiri ali vzorec); Zabeležite si metapodatke (datum, odstotek oblakov, sončni kot, senzor) za vsak datum. Izračunajte ΔNDVI. Napišite močan poziv in naj LLM ne zahteva le dejanske spremembe pokrova, temveč tudi alternativne razlage (oblak, senca, letni čas, nivo vode, kalibracija) in korak preverjanja za vsako. Nato naredite osnutek »načrta preverjanja resnice na terenu«: vsaj tri referenčne točke, kaj bo izmerjeno na terenu in kako se bo to primerjalo z interpretacijo slike. Nazadnje označite, katere izjave v pripovedi, ki jo je pripravil LLM, "ni mogoče vključiti v poročilo brez preverjanja" in napišite razlog.