Faida:
- Uwezo wa kuchagua data ya satelaiti (eneo pana) na data ya sensor (ya ndani) kulingana na swali na kuchambua fahirisi kama vile NDVI kwa kutumia mask ya wingu.
- Uwezo wa kutofautisha kuteleza na kutofanya kazi vizuri kutoka kwa ishara halisi kwa kupitisha data ya sensor ya IoT kupitia urekebishaji na udhibiti wa ubora.
- Uwezo wa kuweka matokeo ya ufuatiliaji kwenye mwelekeo badala ya tarehe moja na kuanzisha mpango wa uthibitishaji na ukweli wa msingi au data huru.
Ili kudhibiti mazingira, ni muhimu kuiona kwanza. Ni muhimu kujua jinsi msitu umekuwa mdogo, jinsi mto ulivyochafuliwa, au ni kiasi gani cha methane kituo kinavuja, si kwa kubahatisha, lakini kwa data. Ufuatiliaji wa mazingira ni kipimo cha mara kwa mara na kinachoweza kurudiwa cha hali ya mazingira. Katika kitengo hiki, utajifunza kuhusu vyanzo viwili vikubwa vya data - setilaiti zinazotazama kutoka angani na vitambuzi kwenye uwanja - na jukumu la AI katika kuleta maana ya data hii kubwa.
Dhana kwanza. Kihisia cha mbali ni kukusanya taarifa kwa kupima mwanga unaoakisiwa kutoka umbali (kutoka kwa setilaiti au ndege) bila kugusa kitu. Kihisi cha IoT (Mtandao wa Mambo) ni kifaa kidogo kinachowekwa shambani na kutuma kiotomatiki thamani iliyopimwa (joto, ubora wa hewa, kiwango cha maji) kwenye mtandao. Kwa pamoja, hutoa picha pana (satelaiti) na ya ndani (sensor) ya mazingira.
Jinsi ya kusoma data ya satelaiti?
Satelaiti hazipigi picha tu; hupima urefu tofauti wa mawimbi ("bendi") za mwanga. Mchanganyiko wa hisabati wa bendi hizi unaonyesha kile kisichoonekana kwa jicho la uchi. Mfano unaojulikana zaidi ni NDVI (Kielezo cha Uoto wa Kawaida wa Tofauti): hupima msongamano wa mimea kwa nambari kati ya 0 na 1, kwa kuzingatia kanuni kwamba mimea yenye afya huakisi mwanga wa infrared sana. Kupungua kwa NDVI kunaweza kumaanisha ukataji miti, ukame au uharibifu.
Vyanzo vya satelaiti vya bure na vilivyo wazi zaidi ni Sentinel (programu ya Copernicus ya Ulaya) na satelaiti za Landsat (USA). Hizi zinaweza kufikiwa kupitia majukwaa kama vile Google Earth Engine au Python (pamoja na maktaba kama vile rasterio, xarray).
Kidokezo: Adui mkubwa wa data ya setilaiti ni wingu. Je, tone la NDVI ni upotevu halisi wa msitu, au kulikuwa na wingu juu yake siku hiyo? Tumia mask ya wingu kila wakati na ulinganishe tarehe nyingi kabla ya kuchanganua.
Data ya kihisi cha IoT na urekebishaji
Sensorer ni za bei nafuu na za kawaida, lakini sio kamili. Kihisi cha ubora wa hewa cha gharama ya chini kitateleza kwa muda, kuathiriwa na unyevu, au kushindwa. Kwa hiyo, data ya sensor katika fomu yake ghafi haiaminiki; calibration (kusahihisha kwa kulinganisha na kifaa cha kumbukumbu kinachojulikana) na udhibiti wa ubora ni muhimu.
Hapa AI; Ina nguvu sana katika kuandika msimbo kuchakata data kubwa ya mfululizo wa picha na saa, kuchanganua hitilafu (mkengeuko usiotarajiwa), kuanzisha muundo wa uainishaji na muhtasari wa matokeo. Lakini ukweli wa kimwili wa kipimo unakuja kwa uamuzi wa calibration na swali "hii ni ishara ya kweli au ni kelele?" Tafsiri ni ya mtaalam.
Hatua kwa hatua: uchambuzi wa ufuatiliaji
1. Bainisha swali. "Je, mimea ilibadilikaje katika eneo hili la hekta 10,000 kati ya 2020 na 2024?" Swali la wazi, la anga na la muda kama:
2. Chagua chanzo cha data. Setilaiti (eneo pana) au kihisi (ndani, kinachoendelea)? Je, azimio na marudio yanafaa kwa swali?
3. Kabla ya mchakato. Kinyago cha wingu, rekebisha, bendera inakosa data. Ikiwa hatua hii itarukwa, matokeo ni ya kupotosha.
4. Kokotoa index/metric. NDVI, wastani wa joto, mkusanyiko wa uchafuzi wa mazingira.
5. Tafuta mabadiliko na upotovu. Uchambuzi wa mwenendo, kuvuka kizingiti, kuruka ghafla.
6. Thibitisha kwa uga. Ikiwezekana, thibitisha kwa ukweli wa msingi; Toa mawimbi ya setilaiti yenye ziara ya shambani au data huru.
kesi tatu ndogo
Kesi ya 1 - Kuanguka kwa wingu. NGO ya kimazingira ilikuwa karibu kutoa tahadhari kuhusu "ukataji miti wa ghafla" ilipoona kwamba NDVI katika eneo moja ilikuwa imeshuka kwa 40% katika mwezi mmoja. Mchambuzi alipoweka kinyago cha wingu na kutazama tarehe za jirani, aliona kwamba picha nyingi siku hiyo zilikuwa na mawingu, na katika picha iliyofuata isiyo na mawingu, NDVI alirudi katika hali ya kawaida. Kengele ya uwongo imezuiwa. Muda uliopotea: dakika 20, sifa iliyopatikana: isiyo na thamani.
Kesi 2 - Sensor isiyo na kipimo. Manispaa ilikuwa ikitayarisha ripoti ya "hewa iliyochafuliwa sana" yenye data kutoka kwa bei ya chini PM2.5 (chembe ndogo kuliko mikroni 2.5 - vitambuzi vya vumbi laini vinavyopumua). Mtaalamu huyo alipolinganisha vitambuzi na kituo cha marejeleo, aligundua kwamba vilikadiria thamani kupita kiasi kwa hadi mara mbili kwenye unyevu mwingi. Wakati urekebishaji wa unyevu (calibration) ulipotumika, maadili halisi yalionekana; Hofu ilizuiliwa.
Kesi ya 3 - Uendeshaji wa kanuni. Timu moja ya watafiti ilipanga kutumia wiki kufanya kazi kwa mikono ili kutoa mitindo ya NDVI kutoka kwa picha 200 za setilaiti. Walikuwa na AI kuandika mtiririko wa kazi otomatiki kwa Injini ya Google Earth na msimbo wa Python (kinyago cha wingu + wastani wa kila mwezi wa NDVI + grafu ya mwenendo). Uchambuzi ulichukua dakika chache kwa picha 200; Timu ilitumia wakati wake kutafsiri matokeo. Walikagua kila hatua ya msimbo hata hivyo.
Mwongozo dhaifu / Mwongozo thabiti
Agizo dhaifu:
Pata ukataji miti kutoka kwa data ya satelaiti.
Kwa nini ni dhaifu: Hakuna kikoa, kipindi cha tarehe, chanzo cha data, azimio na usindikaji wa wingu. AI hutoa maandishi ya jumla, sio uchambuzi unaoweza kutekelezeka.
Agizo lenye nguvu:
Jukumu lako: mchambuzi wa vihisishi vya mbali. Andika msimbo wa Python (Earth Engine) unaokokotoa mwelekeo wa NDVI wa kila mwezi wa 2020-2024 kwa [mpaka wa AREA] kwa data ya Sentinel-2. Hatua: (1) weka barakoa ya wingu, (2) wastani wa NDVI wa kila mwezi, (3) chora chati ya mtindo, (4) weka alama miezi kwa kupungua kwa zaidi ya 20%. Acha kanuni itekelezwe; Toa maoni kwa kila hatua. Pia kumbuka mipaka ya data (azimio, wingu).
Violezo vinne vinavyoweza kunakiliwa
1) Uchambuzi wa faharasa ya satellite (na nambari):
Jukumu lako: mchambuzi wa vihisishi vya mbali. Andika msimbo wa Python unaoweza kutekelezeka unaokokotoa [NDVI/NDWI/fahirisi nyingine] zaidi ya [kiwango cha TAREHE] kwa [AREA] kwa data ya [Sentinel-2/Landsat]. Hakikisha kuongeza mask ya wingu. Weka alama kwenye mwenendo na hitilafu. Bainisha azimio na mipaka ya wingu ya data kwenye maoni.
2) Udhibiti wa ubora wa mfululizo wa muda wa sensor:
Tafuta masuala ya ubora katika mfululizo wa muda wa vitambuzi ufuatao na Python: kukosa data, thamani iliyokwama, kuruka ghafla, kuteleza, kupita kiasi. Weka alama kwa kila suala kwa muhuri wa muda. Usibadilishe data, toa ripoti tu. Ongeza pendekezo rahisi la urekebishaji ikiwezekana. Data: [hapa]
3) Mpango wa uthibitishaji wa ukweli:
Pendekeza mpango wa jinsi ninavyoweza kuthibitisha upataji wa msingi wa satelaiti ufuatao (k.m. kushuka kwa NDVI) kwenye uwanja: ni alama gani, kipimo gani, ni chanzo gani huru cha data. Pia uhesabu hali ambapo ugunduzi unaweza kuwa wa uwongo (wingu, msimu, kivuli). Tafuta: [hapa]
4) Muhtasari usio wa kawaida:
Fanya muhtasari wa hitilafu zinazopatikana kutoka kwa data ya ufuatiliaji iliyo hapa chini kwa lugha rahisi kwa meneja wa mazingira. Kwa kila hitilafu: wapi, lini, kiasi gani cha kupotoka, sababu zinazowezekana na kidokezo cha "inahitaji kuthibitishwa". Kwa hakika kwa nini INAFAA; kuwasilisha kama uwezekano. Data: [hapa]
Makosa ya kawaida
- Haitumii mask ya wingu. Wingu ni ishara ya kawaida ya uwongo.
- Kuamini sensor bila kusawazisha. Sensorer za gharama ya chini huteleza na huathiriwa na unyevu.
- Angalia tu historia. Tarehe na mitindo mingi inahitajika ili kudai mabadiliko.
- Kupuuza ukweli wa msingi. Ishara ya satelaiti inapaswa kuthibitishwa na data ya uga au huru ikiwezekana.
- Kuanguka kwa dai la "sababu halisi" la AI. Kufuatilia data kwa uhusiano; Kuthibitisha sababu ni jambo lingine.
Tahadhari: Picha za satelaiti na ndege zisizo na rubani zenye ubora wa juu zinaweza kuwa na mali ya kibinafsi, watu au vifaa nyeti. Zingatia vikwazo vya faragha na kisheria (hasa data ya kibinafsi na usalama) unaposhiriki data ya ufuatiliaji.
Kwa muhtasari
Ufuatiliaji wa mazingira unachanganya data ya satelaiti (pana) na sensor (ya ndani). AI; Ni kichapuzi chenye nguvu cha kuandika msimbo ambacho huchakata data kubwa ya mfululizo wa picha na saa, kuchanganua kwa njia isiyo ya kawaida na muhtasari. Lakini kinyago cha wingu, urekebishaji wa vitambuzi, ulinganisho wa tarehe nyingi na uthibitishaji wa ukweli wa msingi ni mali ya mtaalamu. Amini mawimbi yaliyosafishwa na kuthibitishwa, si mawimbi ghafi.
Jukumu la maombi
Chagua uga na kipindi (halisi au dhahania). 1. Chapisha msimbo wa mtiririko wa kazi wa uchanganuzi wa NDVI kwa AI ukitumia kiolezo na uthibitishe kuwa hatua ya mask ya wingu ipo. Kisha, pitisha mfululizo wa muda wa kihisi unao (au sampuli) kupitia udhibiti wa ubora na kiolezo cha 2. Hatimaye, na kiolezo cha 3, njoo na mpango wa jinsi utakavyothibitisha mabadiliko utakayopata kwenye sehemu.
orodha ya ukaguzi
- [ ] Nilifafanua uchanganuzi kwa swali wazi la anga na la muda.
- [ ] Niliweka kinyago cha wingu kwenye data ya setilaiti.
- [ ] Nilipitisha data ya kitambuzi kupitia urekebishaji na udhibiti wa ubora.
- [ ] Nilitegemea dai la mabadiliko kwenye mtindo, sio tarehe moja.
- [ ] Nilifanya mpango wa kuthibitisha matokeo kwa ukweli msingi au data huru.
- [ ] Nimezingatia usiri na vikwazo vya kisheria.