Mtiririko wa data ya anga na QGIS na Python

Faida:

• Uwezo wa kutumia AI katika utengenezaji wa nambari na mtiririko wa kazi kwa usindikaji wa data wa anga na QGIS na Python (maktaba kama vile GeoPandas)
• Uwezo wa kujaribu nambari ya anga inayotolewa na AI kwenye data ndogo ya sampuli na kuithibitisha dhidi ya makosa ya mfumo na jiometri.
• Uwezo wa kuelewa usiri wa data na hitaji la kuangalia hati inayozalishwa na AI kabla ya kuiendesha kwenye data halisi ya mradi.

Majukumu ya anga katika kitengo cha kupanga (kupunguza tabaka, kuchora bafa, maeneo ya kukokotoa, kuchanganya jedwali) huchukua saa nyingi na kutoa hitilafu inapofanywa kwa mikono. Kuna zana mbili zenye nguvu, zisizolipishwa na chanzo huria ambazo hubadilisha kazi hizi kiotomatiki: QGIS (programu ya GIS ya eneo-kazi) na Python (lugha ya programu iliyo na maktaba ya data ya anga kama vile GeoPandas, Shapely, Rasterio). AI ina haraka sana katika kutoa msimbo na mtiririko wa kazi kwa zana hizi: inatayarisha hati inayofanya kazi kutoka kwa ombi la sentensi moja. Lakini AI huandika msimbo na mawazo ambayo huwezi kuona - mfumo usio sahihi wa kuratibu, kitengo kisicho sahihi, operesheni ambayo hufuta vitu kimya kimya. Ndio maana kila nambari ya anga ambayo AI hutoa lazima isomwe na kujaribiwa kwenye sampuli ndogo kabla ya kuendeshwa kwenye data halisi ya mradi. Kitengo hiki kinafundisha uwekaji otomatiki wa anga salama na AI, hata kama hujui jinsi ya kuweka msimbo.

Kwa nini QGIS na Python

QGIS hukuruhusu kuchambua kwa kubofya; Ni rahisi kujifunza na inajumuisha koni ya Python. Python, kwa upande mwingine, hukuruhusu kuandika kazi zinazojirudia mara moja na kuziendesha katika mamia ya faili. GeoPandas ndio maktaba ya vitendo zaidi ya wapangaji, inayochanganya data ya jedwali (pandas) na jiografia: inasoma tabaka, vichungi, huchota bafa, huhesabu maeneo yenye mstari mmoja wa msimbo. AI inaandika msimbo wa GeoPandas vizuri sana; Lakini msimbo unaoonekana kuwa mzuri sio msimbo sahihi kila wakati.

Tahadhari: Hati iliyoandikwa na AI inaweza kukimbia bila makosa na bado kutoa matokeo mabaya kabisa. "Kazi" na "sahihi" ni vitu viwili tofauti. Uthibitishaji si kwamba msimbo unashindwa, lakini matokeo yanalingana na rejeleo linalojulikana.

Dhana nyingine muhimu ni kuzaliana: uchambuzi unaofanya katika taasisi ya umma unapaswa kurudiwa kwa hatua sawa na mtu mwingine miezi baadaye. Vitendo vinavyofanywa kwa kubofya mwenyewe havikumbukwi na haviwezi kukaguliwa; wakati hati ya Python ni rekodi ya kazi na hutoa matokeo sawa. Kuhifadhi msimbo unaozalisha na AI pamoja na maoni yake huimarisha uwajibikaji na kumbukumbu ya shirika. Kwa hivyo lenga "msimbo unaoweza kusomeka, kutoa maoni na kuhifadhiwa", sio "nambari ya kufanya kazi". Tabia nzuri ni kuongeza kizuizi cha maelezo mafupi mwanzoni mwa kila hati, ikisema ni data gani inaendeshwa, tarehe gani, na kwa madhumuni gani.

Sheria za dhahabu za kutengeneza msimbo na AI

1. Toa muktadha. Umbizo la faili, CRS, majina ya safu wima, unachotaka kufanya.
2. Uliza ndogo. Njia fupi inayofanya kazi moja ni salama kuliko hati kubwa.
3. Omba ufafanuzi. Chapisha kwa AI kile kila mstari wa kanuni hufanya; Usikimbilie msimbo ambao hauelewi.
4. Ijaribu kwenye sampuli. Kwanza ijaribu kwenye sampuli ya data ya rekodi 10-20.
5. Linganisha na kumbukumbu. Linganisha eneo/umbali na thamani inayojulikana.
6. Hifadhi nakala rudufu. Usiwahi kubatilisha data kuu; kazi katika nakala.

Hatua kwa hatua: Hati salama ya anga na AI

1. Fafanua kazi. "Chagua maeneo ya kijani kutoka kwa safu ya vifurushi, hesabu maeneo yao, andika eneo la zaidi ya 5000 m² kwenye faili tofauti."
2. Tambua data. Umbizo (GeoPackage/Shapefile), CRS, jina la safu wima husika.
3. Chapisha msimbo + maelezo kwa AI. Maoni mstari kwa mstari.
4. Fanya CRS na udhibiti wa kitengo ufanyike. Eneo katika m² au safu katika CRS ya metri?
5. Endesha kwa sampuli ya data. Angalia matokeo kwa kuibua.
6. Thibitisha kwa rejeleo. Linganisha eneo la kifurushi na thamani ya hati miliki yake.
7. Iendeshe kwenye data kuu, andika matokeo kwa faili mpya.

Mwongozo dhaifu / Mwongozo thabiti

Ushauri dhaifu: "Hesabu eneo la vifurushi."

AI inaandika bila kujua mfumo wa kuratibu, muundo na safu; Sehemu inaweza kuonekana katika kitengo kisicho sahihi au CRS isiyo sahihi.

Kidokezo chenye nguvu: "Ukiwa na GeoPandas, soma safu ya GeoPackage ('parcels.gpkg', mfumo wa kitaifa wa metriki kama vile CRS: EPSG:5254) na uandike eneo la kila kifurushi katika m² kwenye safu mpya ya 'area_m2'. Toa maoni kwa kila mstari wa msimbo. Ongeza mstari kabla ya hesabu ya eneo hilo kuwa hesabu ambayo sio ya kuonya. Andika matokeo kwa faili mpya, usibadilishe asili."

Kidokezo cha pili hutoa msimbo unaoweza kukaguliwa na salama kwa sababu una CRS, kitengo, matokeo salama na maelezo.

Violezo vinne vinavyoweza kunakiliwa

Kazi: Andika msimbo mfupi wa Python ambao hufanya kazi ifuatayo na GeoPandas. Toa maoni kwa kila mstari kwa Kituruki. Kitendo: [...]Faili ya ingizo: [...] (umbizo, CRS: [...], safu wima husika: [...])Sheria: Usibadilishe faili asili, andika towe hadi faili MPYA.Angalia CRS ni kipimo kabla ya operesheni; Ikiwa sivyo, onya.

Jukumu: Eleza msimbo ufuatao wa Python/GeoPandas mstari kwa mstari na uweke alama HATARI: ni laini gani inaweza kufuta/kubatilisha data, ambayo operesheni inachukua CRS au sauti, ambayo hatua itakuwa polepole kwenye data kubwa. Kubadilisha kanuni; eleza tu na kuonya.Msimbo: [...]

Kazi: Andika mpango mdogo wa TEST kabla ya kutekeleza msimbo huu kwenye data halisi. Na data gani ya mfano, na matokeo gani yanayotarajiwa, na thamani gani ya kumbukumbu inapaswa kuthibitishwa? Toa orodha ya ukaguzi. Kanuni/tendo: [...]

Kazi: Eleza hatua ifuatayo ya QGIS (bofya hatua) kama njia ya menyu ya QGIS na msimbo sawa wa Python/GeoPandas. Bainisha tofauti na mambo ya kuvutia (CRS, kitengo).Mchakato: [...]

Jedwali: shughuli za anga za mara kwa mara na mitego yao

shughuli

Je!

Mtego katika msimbo wa AI

uthibitishaji

Akaunti ya shamba

Hupata eneo la poligoni

Sehemu haina maana katika CRS ya Kijiografia

Kulinganisha na eneo linalojulikana

Bafa

mkoa unaozunguka mpaka

Hitilafu ya kitengo (shahada/mita).

Metric CRS + kipimo

mkusanyiko wa anga

Huunganisha tabaka

Usajili wa ufunguo/rudufu usio sahihi

Udhibiti wa kuhesabu rekodi

Klipu

kupunguzwa na eneo

Upotezaji wa data nje ya mipaka

Linganisha pembejeo/pato

kukataliwa

CRS inachukua nafasi

CRS lengwa lisilo sahihi

Uthibitishaji wa nambari ya EPSG

kesi tatu ndogo

Kesi ya 1 - Uandishi wa kimya kimya. Mpangaji huendesha hati iliyoandikwa na AI moja kwa moja kwenye safu ya msingi. Nambari hiyo inatumika vibaya kichujio, inafuta nusu ya safu, na kuihifadhi kwenye faili sawa. Kwa sababu hakuna chelezo, data inayodumu kwa siku hupotea. Somo: pato kwa faili mpya kila wakati, data kuu haihitajiki kila wakati.

Kesi ya 2 - Buffer yenye kitengo kisicho sahihi. Timu moja inaomba hifadhi ya ufikiaji ya futi 500 kwa shule. Nambari ya AI inaendesha kwenye geo CRS; Bafa ya "shahada" 500 inashughulikia ramani nzima. Kwa kuwa timu inajaribu kwenye sampuli ndogo, hupata hitilafu kabla ya kupita kwenye data kuu; Huongeza na kurekebisha makadirio kwa kipimo cha CRS. Tabia ya kupima huzuia maafa.

Kesi ya 3 - Mafunzo ya ufafanuzi. Mpangaji ambaye hajui msimbo hutoa msimbo wa kujiunga kwa kufanya AI kutafsiri kila mstari. Anaona "safu hii ikitoa rekodi zisizoweza kulinganishwa" katika maelezo na anatambua kuwa hii itapoteza baadhi ya vifurushi; Inauliza AI kwa toleo ambalo pia huhifadhi zisizo za mechi. Kuelewa msimbo ni sharti la kuitumia kwa usalama.

Makosa ya kawaida

• Inaendesha moja kwa moja kwenye data kuu. Daima fanya kazi kwenye nakala, ukiandika pato kwa faili mpya.
• Kukosea "ilifanya kazi" kwa "sahihi". Nambari isiyo na hitilafu inaweza kutoa matokeo yasiyo sahihi; Thibitisha kwa kumbukumbu.
• Kwa kuchukulia CRS na kiasi. Angalia kipimo cha CRS kila wakati kwa shughuli za eneo na umbali.
• Msimbo wa uendeshaji hauelewi. Ni hatari kuiendesha bila kuuliza maelezo na bila kujua mistari inafanya nini.
• Ruka mtihani mdogo. Kubadilisha hadi data kubwa bila kujaribu data ya sampuli ndio chanzo cha kawaida cha makosa.
• Kutoa data ya siri kwa vifaa vya wingu bila kufikiria. Usishiriki data halisi ya kifurushi/mtu wakati wa kutengeneza msimbo; Tumia sampuli/data isiyojulikana.

Kwa muhtasari

QGIS na Python (haswa GeoPandas) hurekebisha kazi za anga zinazojirudia katika kupanga; AI hutengeneza msimbo wa zana hizi haraka. Lakini AI huandika msimbo na mawazo ambayo huwezi kuona: CRS isiyo sahihi, kiasi kisicho sahihi, shughuli ambazo hufuta data kimya kimya. Matumizi salama yanategemea sheria sita: toa muktadha, uliza ndogo, pata ufafanuzi, jaribu kwa mfano, thibitisha kwa kurejelea, uhifadhi nakala. "Iliyofanya kazi" sio sawa na "sahihi." Hata kama hujui msimbo, unaweza kufanya otomatiki salama anga kwa AI kwa kuelewa kila mstari na bila kushiriki data ya siri.

Jukumu la maombi

Chagua kazi ya anga inayojirudia (k.m. kukokotoa maeneo katika safu na kutenganisha sehemu ya juu ya kizingiti). (1) Chapisha msimbo + maelezo ya mstari kwa AI na kiolezo cha kwanza. (2) Angalia hatari za msimbo sawa na kiolezo cha pili na upate angalau "inaweza kufuta data/kuchukua mstari wa CRS". (3) Toa mpango wa majaribio na kiolezo cha tatu: data ipi ya sampuli, thamani ya marejeleo. (4) Andika hatua tatu za usalama utakazochukua kabla ya kutekeleza msimbo kwenye data halisi.

orodha ya ukaguzi

• [ ] Niliipa AI umbizo, CRS na muktadha wa safu wima.
• [ ] Nilielezea kila mstari wa kanuni; Sikuendesha msimbo sikuelewa.
• [ ] Nilitaka msimbo mfupi wa kazi moja.
• [ ] Niliijaribu kwenye data ndogo ya sampuli na nikaangalia matokeo.
• [ ] Nilithibitisha matokeo kwa thamani inayojulikana ya marejeleo.
• [ ] Nimecheleza data kuu; Niliandika matokeo kwa faili mpya.
• [ ] Sikutoa data halisi ya siri kwa kifaa cha wingu; Nilitumia data isiyojulikana/sampuli.