Добици:
- Могућност одабира сателитских (широко подручје) и сензорских (локалних) података према питању и анализе индекса као што је НДВИ применом маске облака
- Способност разликовања одступања и квара од стварног сигнала пропуштањем података ИоТ сензора кроз калибрацију и контролу квалитета
- Способност заснивања налаза праћења на тренду, а не на једном датуму и успостављања плана верификације са темељном истином или независним подацима
Да бисте управљали животном средином, потребно је прво да је видите. Неопходно је знати колико је шума постала мала, колико је река загађена, или колико метана неки објекат цури, не нагађањем, већ подацима. Мониторинг животне средине је редовно и поновљиво мерење стања животне средине. У овој јединици ћете научити о два велика извора података — сателитима који гледају из свемира и сензорима на терену — и улози вештачке интелигенције у проналажењу смисла за ове огромне податке.
Прво концепти. Даљинска детекција је прикупљање информација мерењем светлости која се рефлектује са удаљености (са сателита или авиона) без додиривања објекта. ИоТ сензор (Интернет ствари) је мали уређај постављен на терену и аутоматски шаље измерену вредност (температура, квалитет ваздуха, ниво воде) преко интернета. Заједно, они пружају широку (сателитску) и локалну (сензорску) слику животне средине.
Како читати сателитске податке?
Сателити не праве само слике; мери различите таласне дужине („опсеге“) светлости. Математичка комбинација ових трака показује оно што је невидљиво голим оком. Најпознатији пример је НДВИ (Нормализед Дифференце Вегетатион Индек): мери густину вегетације бројем између 0 и 1, на основу принципа да здраве биљке веома рефлектују инфрацрвену светлост. Смањење НДВИ може значити крчење шума, сушу или штету.
Најчешћи бесплатни и отворени сателитски извори су сателити Сентинел (Европски програм Коперник) и Ландсат (САД). Њима се приступа преко платформи као што је Гоогле Еартх Енгине или у Питхон-у (са библиотекама као што су растерио, карраи).
Савет: Највећи непријатељ сателитских података је облак. Да ли је пад НДВИ прави губитак шуме, или је тог дана био облак изнад њега? Увек примените маску облака и упоредите више датума пре анализе.
Подаци и калибрација ИоТ сензора
Сензори су јефтини и уобичајени, али нису савршени. Јефтини сензор квалитета ваздуха ће се временом померати, на њега ће утицати влага или ће покварити. Због тога су подаци сензора у сировом облику непоуздани; калибрација (корекција упоређивањем са познатим референтним уређајем) и контрола квалитета су од суштинског значаја.
Овде АИ; Веома је моћан у писању кода за обраду података великих слика и временских серија, скенирање аномалија (неочекивано одступање), успостављање модела класификације и сумирање налаза. Али физичка реалност мерења се своди на одлуку о калибрацији и на питање "да ли је овај сигнал стваран или је шум?" Тумачење припада стручњаку.
Корак по корак: анализа праћења
1. Дефинишите питање. „Како се променила вегетација на овој површини од 10.000 хектара између 2020. и 2024. године?“ Јасно, просторно и временско питање као што је:
2. Изаберите извор података. Сателит (широко подручје) или сензор (локални, континуирани)? Да ли су резолуција и фреквенција одговарајући за питање?
3. Пре-процес. Облачна маска, калибрација, означите податке који недостају. Ако се овај корак прескочи, резултат је погрешан.
4. Израчунајте индекс/метрику. НДВИ, просечна температура, концентрација загађивача.
5. Пронађите промену и аномалију. Анализа тренда, прелазак прага, нагли скок.
6. Потврдите пољем. Ако је могуће, потврдите темељном истином; Обезбедите сателитски сигнал са посетом терена или независним подацима.
три мини кофера
Случај 1 — Заљубљивање у облак. Невладина организација која се бави животном средином се спремала да огласи аларм због „изненадног крчења шума“ када је видела да је НДВИ у једном региону опао за 40% за месец дана. Када је аналитичар применио маску облака и погледао суседне датуме, видео је да је већи део слике тог дана био облачан, а на следећој слици без облака, НДВИ се вратио у нормалу. Лажни аларм спречен. Изгубљено време: 20 минута, стечена репутација: непроцењиво.
Случај 2 — Некалибрирани сензор. Једна општина је припремала извештај о „превише загађеном ваздуху“ са подацима са јефтиних сензора ПМ2,5 (честице мање од 2,5 микрона — фина удахнута прашина). Када је стручњак упоредио сензоре са референтном станицом, открио је да су они преценили вредност и до два пута при високој влажности. Када је примењена корекција влажности (калибрација), појавиле су се праве вредности; Паника је спречена.
Случај 3 — Аутоматизација кода. Један истраживачки тим планирао је да проведе недеље радећи ручно како би издвојио НДВИ трендове из 200 сателитских снимака. Имали су АИ да напише аутоматизован ток рада са Гоогле Еартх Енгине-ом и Питхон кодом (маска у облаку + месечни НДВИ просек + графикон тренда). Анализа је трајала неколико минута за 200 слика; Тим је посветио своје време тумачењу резултата. Ионако су проверили сваки корак кода.
Слаби промпт / Јаки промпт
Слабо обавештење:
Пронађите крчење шума из сателитских података.
Зашто је слаб: Нема домена, периода, извора података, резолуције и обраде у облаку. АИ пружа општи текст, а не извршну анализу.
Снажан упит:
Ваша улога: аналитичар даљинске детекције. Напишите Питхон (Еартх Енгине) код који израчунава месечни НДВИ тренд 2020-2024 за [границу АРЕА] са подацима Сентинел-2. Кораци: (1) примените маску облака, (2) просечни месечни НДВИ, (3) нацртајте графикон тренда, (4) означите месеце са падом од више од 20%. Нека код буде извршан; Коментаришите сваки корак. Такође обратите пажњу на ограничења података (резолуција, облак).
Четири шаблона за копирање
1) Анализа индекса сателита (са кодом):
Ваша улога: аналитичар даљинске детекције. Напишите извршни Питхон код који израчунава [НДВИ/НДВИ/други индекс] преко [ОПСЕГ ДАТЕ] за [АРЕА] са [Сентинел-2/Ландсат] подацима. Обавезно додајте маску облака. Означите тренд и аномалије. Наведите резолуцију и ограничења облака података у коментарима.
2) Контрола квалитета временске серије сензора:
Потражите проблеме са квалитетом у следећим временским серијама сензора помоћу Питхон-а: недостајући подаци, заглављена вредност, изненадни скок, померање, екстремно. Означите свако издање временском ознаком. Не мењајте податке, само пријавите. Додајте једноставан предлог за калибрацију ако је могуће. Подаци: [овде]
3) Шема верификације основне истине:
Предложите план како да проверим следеће сателитске налазе (нпр. пад НДВИ) на терену: које тачке, које мерење, који независни извор података. Такође пребројите ситуације у којима налаз може бити лажан (олак, годишње доба, сенка). Проналажење: [овде]
4) Резиме аномалија:
Сумирајте аномалије пронађене из података праћења у наставку на једноставном језику за менаџера животне средине. За сваку аномалију: где, када, колико одступања, могући узроци и напомена „треба проверити“. Сигурно зашто је ПРИЛИКОМ; представити као могућност. Подаци: [овде]
Уобичајене грешке
- Не примењује маску облака. Облак је најчешћи лажни сигнал.
- Верујте сензору без калибрације. Јефтини сензори клизе и на њих утиче влага.
- Само погледајте историју. Потребно је више датума и трендова да бисте затражили промену.
- Заобилазећи темељну истину. Сателитски сигнал треба потврдити теренским или независним подацима ако је могуће.
- Пада на тврдњу о "тачном узроку" АИ. Подаци о праћењу корелирају; Потврда разлога је друга ствар.
Опрез: Сателитски и дрон слике високе резолуције могу да садрже приватну имовину, људе или осетљиве објекте. Придржавајте се приватности и законских ограничења (нарочито личних података и безбедности) када делите податке за праћење.
Укратко
Мониторинг животне средине комбинује сателитске (широке) и сензорске (локалне) податке. АИ; То је моћан акцелератор за писање кода који обрађује масивне податке о сликама и временским серијама, скенирање аномалија и сумирање. Али маска облака, калибрација сензора, поређење са више датума и верификација истинитости на земљи припадају стручњаку. Верујте очишћеном и потврђеном сигналу, а не сировом сигналу.
Задатак апликације
Изаберите поље и период (стварни или хипотетички). 1. Одштампајте код тока рада НДВИ анализе на АИ са шаблоном и проверите да ли корак маске облака постоји. Затим прођите временску серију сензора коју имате (или узорак) кроз контролу квалитета помоћу 2. шаблона. Коначно, са шаблоном 3, осмислите план како ћете потврдити промену коју пронађете на терену.
контролна листа
- [ ] Анализу сам дефинисао јасним просторним и временским питањем.
- [ ] Применио сам маску облака на сателитске податке.
- [ ] Прошао сам податке сензора кроз калибрацију и контролу квалитета.
- [ ] Засновао сам тврдњу о промени на тренду, а не на једном датуму.
- [ ] Направио сам план да потврдим налаз са темељном истином или независним подацима.
- [ ] Поштовао сам поверљивост и законска ограничења.