Fitimet:
- Aftësia për të interpretuar shtresat GIS, NDVI dhe konceptet e brezit/rezolucionit të sensorit në distancë
- Interpretimi i indeksit, analiza e ndryshimeve dhe hartimi i narrativës së hartës me AI
- Aftësia për të verifikuar interpretimin e satelitit/hartës së AI me të vërtetën tokësore dhe meta të dhënat
Ju jeni një inxhinier mjedisor që punon në një projekt të ruajtjes së ligatinave. Këshilli kërkon që ju të hetoni ankesat se shtrati i kallamit në breg të liqenit është tkurrur gjatë pesë viteve të fundit. Përpara se të shkoni në terren, duhet të bëni një vlerësim paraprak në tryezën tuaj: keni imazhe satelitore nga dy vite të ndryshme, një projekt GIS (Sistemi i Informacionit Gjeografik) dhe një model gjuhësor. Ju mund të bëni që LLM të interpretojë përmbledhjen NDVI të imazheve dhe të shkruajë një draft të narrativës së ndryshimit. Megjithatë, një piksel satelitor përfaqëson një katror 10 metra dhe ju mund të kuptoni vetëm nëse ka një hije reje, kallam tharjeje ose nivel uji sezonal në atë katror me të vërtetën tokësore. Në këtë njësi, ne mbulojmë konceptet e remote sensoring dhe GIS, interpretimin e indeksit/ndryshimit me AI, dhe më e rëndësishmja, kufijtë e këtij interpretimi.
Bazat e logjikës së shtresës GIS dhe sensorit në distancë
GIS organizon të dhënat gjeografike në shtresa të mbivendosura: secila shtresë mbart një temë (përdorimi i tokës, trupat ujorë, lartësitë, rrugët) dhe është rreshtuar në një sistem të përbashkët koordinativ. Një analizë fillon me mbivendosjen e shtresave të sakta në projeksionin e duhur; sistemi i gabuar i koordinatave anon sistematikisht zonat dhe distancat.
Kur interpretoni një imazh me sensorë në distancë, duhet të dalloni tre lloje të rezolucionit:
Lloji i rezolucionit
Çfarë tregon?
shembull
kufizim
hapësinore
Madhësia e një piksel në tokë
10 m, 30 m
Objektet e vogla mbeten nën-piksel
spektrale
Sa dhe cili brez vale?
E kuqe, NIR, SWIR
Më pak brez = më pak fuqi diskriminuese
kohore
Sa shpesh shikohet i njëjti vend
5 ditë, 16 ditë
Humbja e të dhënave në ditët me re
Radiometrike
Ndjeshmëria ndaj ndriçimit (thellësia bit)
8-bit, 12-bit
Thellësi e ulët = diskriminim i dobët
NDVI: formula dhe interpretimi
Indeksi më i zakonshëm që mat vitalitetin e vegjetacionit është NDVI (Normalized Difference Vegetation Index). Një bimë e shëndetshme reflekton fort afër infra të kuqe (NIR) dhe thith të kuqe (RED):
NDVI = (NIR − KUQE) / (NIR + KUQE) Gama e vlerave: −1 ... +1 < 0 : ujë, borë, re 0.0 - 0.2 : tokë e zhveshur, shkëmb, sipërfaqja e ndërtuar 0.2 - 0.5 : bimësi e rrallë/barishtore, mbulesë e theksuar 0.5 - 0.9 .
# NDVI i një blloku të vogël mostre pikselësh importohet numpy si npnir = np.array([[0.42, 0.38], [0.11, 0.45]]) # afër infra të kuqe reflektuese = np.array([0.06, 0.09], [0.10 e kuqe -nd] =rvi. (nir + e kuqe)print(np.round(ndvi, 2))# [[0,75 0,62]# [0,05 0,80]]# piksel poshtë majtas (0,05): jo një bimë - mund të jetë tokë e zhveshur ose ujë/hije
Këshillë: NDVI nuk është një masë absolute e "shëndetit", por një tregues i varur nga gjendja. Kur krahasoni dy NDVI me datë të së njëjtës zonë, sigurohuni që imazhet janë marrë në stinë të ngjashme, kënde të ngjashme dielli dhe kushte pa re. Krahasimi i shfaqjes së fundit të verës me pranverën prodhon një "humbje bimore" joreale.
Analiza e ndryshimit (zbulimi i ndryshimit)
Mënyra e thjeshtë për të gjetur ndryshimin midis dy datave është të marrim ndryshimin NDVI, por ky ndryshim është kuptimplotë vetëm nëse imazhet mund të krahasohen.
ΔNDVI = NDVI_2025 − NDVI_2020 ΔNDVI << 0 : humbja e mbulesës e mundshme (tharje, prerje, ndërtim) ΔNDVI ≈ 0 : pa ndryshim ΔNDVI >> 0 : rritja e mbulesës e mundshme (gjelbërim, restaurim) KUJDES: Diferenca mund të pasqyrojë ndryshimin aktual, si dhe ndryshimin e këndeve të sezonit/reve/librit. Diferenca = ndryshim real + zhurmë.
Kujdes: Reja, hija e reve dhe sezonaliteti janë kritikat më të mëdha të analizës së ndryshimeve. Zona nën hijen e reve jep NDVI të ulët dhe duket si "humbje vegjetacioni". Kur LLM kryen interpretimin e imazhit, modeli mund t'i gabojë këto artefakte për ngjarjen reale. Sigurohuni që të kontrolloni meta të dhënat e imazhit (data, përqindja e reve, këndi i diellit).
Interpretimi i indeksit dhe tregimi i hartës me AI
LLM është i dobishëm në përkthimin e përmbledhjeve të indekseve numerike në tregim të thjeshtë dhe në prodhimin e draft raporteve. Jepini atij statistikat dhe metadatat e papërpunuara NDVI dhe kërkojini që të gjenerojë komentin që ju ta verifikoni.
NJOFTIM I DOBËT: "A është bërë ligatina më e vogël në këtë imazh satelitor?" NJOFTIM I FORTË: "Unë jap dy statistika të datës NDVI (e njëjta zonë, i njëjti sensor): 2020-07-15 mesatarisht NDVI=0.61 re=3% kënd dielli=58°2025-07-12 mesatare NDVI=0.42 re=22% kënd dielli=55°Zona e interesit: lakeshore e re. Llogaritni ΔNDVI dhe listoni interpretimet e mundshme. 2) Rendisni arsyet (re, hije, niveli i ujit, stina, kalibrimi) nga kjo rënie (re, hije, niveli i ujit, stina, kalibrimi) PËRVEÇ humbjes AKTUALE të mbulesës.3) Për çdo shkak të mundshëm, sugjeroni një hap VERIFIKIMI për ta dalluar atë (p.sh. ka pretenduar rregjistrimin e nivelit të ujit në terren '4, rekord rregjistrimi i imazhit në fushë pa vizitë, përzgjedhje e nivelit të akumuluar nga retë, pa regjistrim në terren, pa u regjistruar). tkurrur me X%' MOS KONTROLLET se kjo mund të thuhet vetëm nëse e vërteta bazë e konfirmon atë.
Prompti i fortë e drejton modelin jo në një përfundim të vetëm përfundimtar, por në një plan shpjegimesh dhe verifikimesh alternative. Fakti që imazhi i vitit 2025 përmban 22% re e bën rënien të dyshimtë në vetvete.
Verifikimi i së vërtetës bazë
Standardi i artë i interpretimit të sensorit në distancë është pika verifikimi me vëzhgime dhe matje të bëra në terren. Ju regjistroni mbulesën aktuale të tokës me GPS në disa pika referimi dhe e krahasoni atë me klasifikimin e imazhit. Nëse fusha thotë "kallamishte të thata" në pikselin ku AI ose algoritmi thotë "ujë", klasifikimi nuk është i besueshëm.
mini rast
Në monitorimin e ndikimit mjedisor të një zone minerare, ekipi hartoi "15 hektarë humbje pyjore për shkak të aktivitetit minerar" bazuar në reduktimin NDVI të llogaritur nga imazhi satelitor dhe zgjeroi interpretimin në një LLM; modeli prodhoi një rrëfim të rrjedhshëm dhe bindës. Megjithatë, kur raporti u kontrollua nga ekipi në terren, u pa se një pjesë e zonës me NDVI të ulët ishte në fakt një parcelë bujqësore e korrur dhe një pjesë e saj ishte një hije reje që përkonte me ditën e xhirimit të imazhit. Humbja aktuale e pyjeve ishte rreth 4 hektarë, jo 15. Nëse meta të dhënat (maska e resë) dhe shtresa e përdorimit të tokës do të ishin kontrolluar paraprakisht, gabimi do të ishte parandaluar në radhë të parë. Fjalitë e rregullta të LLM nuk e bënë të drejtë hyrjen e gabuar.
Gabimet e zakonshme
- Krahasimi i imazheve të ndryshme të sezonit/këndit të diellit dhe ngatërrimi i ndryshimit sezonal për "ndryshim".
- Interpretimi i resë dhe hijes së reve si humbje aktuale e mbulesës; duke anashkaluar maskën e reve.
- Bërja e gjykimeve të sakta nga të dhënat piksel për objekte të vogla që tejkalojnë rezolucionin hapësinor.
- Llogaritja e gabuar e zonave dhe distancave për shkak të mospërputhjes së sistemit të koordinatave/projeksionit.
- Duke menduar se NDVI është një masë absolute e shëndetit dhe trajtimi i pikselëve të ujit dhe hijeve sikur të ishin bimë.
- Vendosja e narrativës së hartës fluide të LLM në raport si një gjetje përfundimtare pa të vërtetën bazë.
- Raportimi i rezultateve pa dokumentuar meta të dhënat (data, sensori, % e resë kompjuterike %, niveli i përpunimit).
Në përmbledhje
- Analizat GIS ndërtohen në shtresa të rreshtuara në një sistem të përbashkët koordinativ; Gabimi i projeksionit shtrembëron rezultatin.
- Rezolucioni hapësinor, spektral, kohor dhe radiometrik kufizojnë atë që një imazh mund të tregojë.
- NDVI = (NIR−RED)/(NIR+RED) është një tregues i kushtëzuar i fuqisë së bimëve, jo një masë absolute e shëndetit.
- Në analizën e ndryshimit, diferenca = ndryshim i vërtetë + zhurmë; Reja, hija dhe stina janë mashtruesit më të mëdhenj.
- LLM prodhon interpretimin e indeksit dhe skicën e rrëfimit të hartës, por nuk e "sheh" imazhin satelitor; Komentoni sipas numrit qe jepni.
- Interpretimi i AI dhe klasifikimi automatik nuk mund të përkthehen në gjetje përfundimtare mjedisore pa verifikim me të vërtetën bazë dhe metadata.
Detyra e aplikimit
Krijoni ose supozoni dy përmbledhje të datës NDVI për një fushë (ose sipas zgjedhjes suaj ose një mostër); Vini re meta të dhënat (data, përqindja e reve, këndi i diellit, sensori) për secilën datë. Llogaritni ΔNDVI. Shkruani një kërkesë të fortë dhe bëni që LLM të kërkojë jo vetëm ndryshimin aktual të kapakut, por shpjegime alternative (re, hije, stina, niveli i ujit, kalibrimi) dhe një hap verifikimi për secilën. Më pas hartoni një “plan të verifikimit të së vërtetës bazë”: të paktën tre pika referimi, çfarë do të matet në terren dhe si do të krahasohet me interpretimin e imazhit. Së fundi, shënoni se cila deklaratë në narrativën e prodhuar nga LLM është "nuk mund të përfshihet në raport pa verifikim" dhe shkruani arsyen.