Vinster:
- Möjlighet att skanna efter anomalier i satellit-, flygfotografering och LiDAR-data med artificiell intelligens och utvärdera varje tecken som en kandidat som kräver terrängbekräftelse
- Förstå det säsongsberoende och villkorliga beroendet av växt-, jord- och skuggspår och hur naturliga/moderna falska positiva effekter elimineras.
- Möjlighet att tillämpa varför känsliga platsplatser ska skyddas mot plundring och suddas ut i sändning
En av de mest spännande utvecklingarna inom arkeologi är förmågan att se spår under jord och på ytan utan att gräva i marken. Fjärranalys (en metod för att undersöka ett område med satellit-, flygplans- eller drönarbilder utan att fysiskt röra det) är det mest kraftfulla verktyget för att skanna stora områden och upptäcka möjliga platser (platser som innehåller arkeologiska lämningar). I den här enheten kommer vi att lära oss hur AI markerar anomalier (spår som skiljer sig från omgivningen, som kan vara konstgjorda) i satellitbilder, flygfoton och LiDAR-data, men varför varje märke måste bekräftas i fält.
Grundprincip: AI är en skannings- och pekassistent som säger "se här" på ett brett område; "Detta är verkligen en sajt" beslut fattas av markkontrollen och experten. Inom fjärranalys är varje punkt markerad med AI en hypotes, inte en upptäckt.
Typer av fjärranalys
Satellit- och flygfotografering. Nedgrävda strukturer leder till differentiell tillväxt av marken och vegetationen ovanför dem. Skörden på en vägg är svagare, på ett dike är den buskigare; Dessa kallas skärmärken. NDVI (ett index som mäter vegetationens hälsa; det kvantifierar växternas vitalitet med infrarött ljus) belyser dessa skillnader. AI skannar dessa subtila skillnader i stora bilder snabbare än en människa.
LiDAR. LiDAR (Light Detection and Ranging — teknik som skapar en mycket exakt 3D-höjdkarta av ytan genom att skjuta en laser från ett flygplan till marken och mäta returtiden) är det mest revolutionerande verktyget. Dess funktion är att lasern kan nå marken genom träd; Sålunda avslöjas högar, terrasser, vägar och byggnadsgrunder under skogen när växtligheten numerärt "skalas". AI markerar gupp, gropar och jämna geometriska former i denna höjddata.
Geofysik (kompletterande). Metoder som markpenetrerande radar (GPR) och magnetisk mätning ser strax under ytan; AI hjälper också till att leta efter anomalimönster i denna data.
Webbplatsdetekteringssteg med AI
- Dataförberedelse. Bilderna anpassas till koordinatsystemet (georeferencing), skugga och kontrast korrigeras. I LiDAR filtreras växtlighet bort och en "barmarksmodell" tas fram.
- Anomali scanning. AI markerar släta geometrier som kan vara konstgjorda (cirkulär hög, rektangulär struktur, linjär dike/väg).
- Eliminering. De flesta skyltarna är naturliga (geologiska, jordbruksmässiga, moderna). Experten eliminerar de som är klart naturliga och moderna.
- Prioritering. De återstående kandidatpoängen prioriteras efter kontext och känd platsfördelning.
- Jordbekräftelse. Prioriterade punkter kontrolleras på plats genom ytbesiktning och vid behov borrning. Ingen poäng förklaras "sitta" utan bekräftelse.
Tips: Se alltid tecken på AI som "en lista över kandidater med en hög falsk positiv frekvens." Syftet är att på ett intelligent sätt begränsa besöksmålen i fält; att inte tillkännage upptäckten. Att minska 200 landpoäng till 30 under en säsong är en stor vinst.
Känslig plats: kritisk integritet
Den allvarligaste etiska och säkerhetsfrågan vid platsdetektering är platskonfidentialitet. De exakta koordinaterna för en nyligen identifierad, oskyddad plats är ett direkt mål för illegala grävare och skattsökare. Därför:
- Kör inte in i offentliga AI-fordon vars exakta koordinater inte har bekräftats.
- Sudda ut platsen för känsliga webbplatser i sändningar och presentationer (ange allmänt område, ingen GPS).
- Behåll data i organisationens säkra system och begränsa åtkomsten.
Observera: Att klistra in koordinaterna för en webbplats i en offentlig tjänst som säger "Jag ska bara rita en karta" kan lämna den platsen öppen för plundring. Platsdata är en tillgång som måste skyddas lika mycket som själva fyndet.
tre minifodral
Fall 1 — Skanningen minskade området. Ett undersökningsprojekt skulle undersöka en yta på 500 km². AI-driven LiDAR-analys markerade 120 möjliga högar under skogen. Efter experteliminering återstår 38 prioriterade platser; 11 av dessa visade sig vara riktiga arkeologiska strukturer på fältet. AI har förtätat månader av blindt sökande till en målinriktad säsong.
Fall 2 — Falskt positivt var lektionen. Medan ett team ivrigt förberedde sig för att förklara ett slätt cirkulärt ärr markerat av AI för en "hög", visade expertgeologen att det var en naturlig depression (dolin). Ett uttalande som görs utan landbekräftelse kan vara ett förlust av anseende. Lektion: AI ser geometri, inte tolkning av ursprung.
Fall 3 — Platsläckage förhindras. En elev skulle ladda upp bilden som innehåller koordinaterna för en nyfunnen webbplats till ett offentligt verktyg. Rådgivaren stannade; området var fortfarande oskyddat. Bilden bearbetades med koordinatinformation borttagen och endast i det säkra systemet.
Fyra kopierbara mallar
1) Anomali skanningsram:
Din roll: assistent för fjärranalysanalys. Jag kommer att ge dig en barmarks (LiDAR-härledd) höjdbild/data. Markera släta geometrier (cirkulära, rektangulära, linjära) som KAN vara konstgjorda; För varje, skriv ner dess plats, format och varför det är anmärkningsvärt. För varje tecken, ange även möjligheten till en naturlig/modern förklaring. Deklarera inte en definitiv "sitta".
2) Falsk positiv eliminering:
Nedan är listan över kandidatpoäng som AI har markerat. För varje, lista de naturliga och moderna förklaringar (geologisk formation, jordbruksspår, väg, byggnadsgrund) som jag kan eliminera INNAN terrängkontrollen. Lista de återstående "riktigt vaga" kandidaterna separat.
3) Markkontrollplan:
Mina toppkandidatplatser är: [lista]. För varje punkt visas en checklista som innehåller de indikatorer jag bör leta efter vid bekräftelse i fält (ytfynd, topografi, jordfärg, stendensitet) och säkra/etiska fältregler (tillstånd, platssekretess).
4) Platssuddare för sändning:
När du förbereder följande webbplatsinformation för en publikation/presentation, föreslå hur jag kan beskriva den UTAN att avslöja den exakta platsen: ange vilken generaliseringsnivå (provins/region), vilken information som bör utelämnas. Målet: en balans mellan vetenskaplig transparens och skydd mot förstörelse.
Svag prompt / Stark prompt
Svag uppmaning:
Finns det en arkeologisk plats i den här satellitbilden? Ge dess koordinater.
AI kan förklara ett naturligt spår som ett "sitta" och passa en säker koordinat; Detta är farligt både ur ett vetenskapligt och ett säkerhetsperspektiv.
Kraftfull uppmaning:
Din roll: fjärranalysassistent. Markera de släta geometriska märkena som KAN vara konstgjorda i den här bilden. För varje spår: (a) dess form, (b) varför den är anmärkningsvärd, (c) naturlig/modern alternativ förklaring. Dessa är kandidater som endast ska kontrolleras PÅ FÄLTET; förklara inte en "sitta". Generera exakta koordinater, beskriv relativ position.
Skillnad: den första gör upptäckten deklarerad; den senare tar fram en säker lista över kandidater som ska verifieras.
Bildtyper och säsongseffekter
Vid fjärranalys fungerar inte en bild "alltid"; Det krävs rätt kondition för att se rätt spår. Skörmärken syns bäst under torra perioder när grödan är under vattenstress: jorden ovanför en nedgrävd vägg håller kvar mindre vatten, så grödan där gulnar tidigt och visar sig som en linje uppifrån. I en fuktig vårbild kanske inte samma spår visas alls. Jordmärken uppstår när olikfärgad jord kommer upp till ytan efter att åkern har plöjts. Skuggmärken å andra sidan avslöjar lätta stötar och gropar med långa skuggor i låg sol, på morgonen eller kvällen. Därför är det nödvändigt att utvärdera ett område inte med en enda bild, utan med många bilder under olika årstider och tider; AI påskyndar denna flergångsjämförelse.
Fördelen med LiDAR är att den till stor del övervinner detta tillståndsberoende: eftersom den direkt mäter yttopografi, är den mindre beroende av växtsäsongen och kan se skogens underbeläggning. Men när man producerar en "barmarksmodell" i LiDAR, om växtfiltret är för aggressivt, kan det radera de riktiga stötarna, och om det är för mjukt kan det missta träden för strukturer; Dessa filterbeslut kräver expertövervakning.
Tips: När du utvärderar ett område, fråga "i vilken årstid, vid vilken tid och med vilken metod?" Ställ alltid frågan. Om det inte finns något spår i en enda bild, betyder det inte att det inte finns någon plats; Du kanske tittar på den i fel skick.
Metodjämförelsetabell
Metod
vad ser
Bidrag av AI
gränsen
Satellit/flygfotografering
Växt/jordspår
Skanning av brett område
säsong, upplösning
NDVI
Växtkraftsskillnad
Ärrmarkering
Förvirrar naturliga skillnader
LiDAR
yttopografi
skog understor geometri
Anläggningsfilterfel
Geofysik (GPR/magnetisk)
underjordisk struktur
Anomali mönster
lokal, långsam
Vanliga misstag
- Att missförstå en anomali med en upptäckt. Skylten är en kandidat; Utan markbekräftelse är det inte en webbplats.
- Inte eliminera naturliga/moderna spår. Dolins, jordbruksärr och rör uppträder ofta som "strukturer".
- Ge den exakta koordinaten till det öppna fordonet. Risk för plundring; Läget är en tillgång som måste skyddas.
- Förlitar sig på en enda bild. Tolkningen är ofullständig utan olika årstider, olika metoder och terräng.
- Att glömma den falska positiva frekvensen. De flesta skyltar kommer upp tomma; Detta är normalt, syftet minskar.
Sammanfattningsvis
Inom fjärranalys sparar AI enorm tid på att skanna stora områden och markera möjliga platser. Men varje tecken är en hypotes som måste bekräftas i fält; naturliga och moderna spår elimineras noggrant; och viktigast av allt, känsliga platser är skyddade från plundring. AI säger "titta här"; Marken och experten avgör om "denna plats är skyddad".
Applikationsuppgift
Välj en LiDAR- eller satellitbild med öppen tillgång (från din egen region eller från ett exempeldataset). Låt AI-flagga möjliga geometrier med mallen "Anomaly scanning", eliminera sedan naturliga/moderna förklaringar med mallen "Falsk positiv eliminering". Utarbeta en markkontrollplan för de återstående kandidaterna och inkludera ett sekretessmeddelande.
checklista
- [ ] Jag ansåg att AI-signalerna var "kandidater", inte upptäckter.
- [ ] Jag försökte eliminera naturliga och moderna spår.
- [ ] Jag har planerat markbekräftelse för prioriterade kandidater.
- [ ] Jag lämnade de känsliga platserna utanför det öppna fordonet och gjorde dem suddiga i sändningen.
- [ ] Jag tog hänsyn till att den falska positiva frekvensen kan vara hög.