செயற்கைக்கோள் மற்றும் வான்வழி படங்களுடன் நகர்ப்புற மாற்ற பகுப்பாய்வு

ஆதாயங்கள்:

• தொலைநிலை உணர்திறன் மற்றும் செயற்கைக்கோள் படங்கள் மூலம் நகர்ப்புற விரிவாக்கம், கட்டுமானம் மற்றும் நிலப்பரப்பு மாற்றம் ஆகியவற்றை AI-ஆதரவு கண்டறிதலின் தர்க்கத்தைப் புரிந்துகொள்வது.
• துல்லியம், தெளிவுத்திறன் மற்றும் தேதித் தகவலுடன் பட வகைப்பாடு மற்றும் கண்டறிதல் வெளியீடுகளை விமர்சன ரீதியாக மதிப்பீடு செய்யும் திறன்
• படத்திலிருந்து AI பிரித்தெடுக்கும் எல்லைகள் புலம் மற்றும் அதிகாரப்பூர்வ பதிவுகள் மூலம் உறுதிப்படுத்தப்பட வேண்டும் மற்றும் சட்டப்பூர்வ ஆதாரமாக இருக்க முடியாது என்பதை புரிந்து கொள்ளும் திறன்.

கடந்த பத்தாண்டுகளில் ஒரு நகரம் எங்கே, எவ்வளவு, எவ்வளவு வேகமாக வளர்ந்திருக்கிறது என்பதை ஒவ்வொன்றாக வயலுக்குச் சென்று பார்க்க இயலாது. அதற்கு பதிலாக, திட்டமிடுபவர்கள் தொலைநிலை உணர்திறனைப் பயன்படுத்துகின்றனர் (செயற்கைக்கோள்கள் மற்றும் விமானங்களைப் பயன்படுத்தி பூமியைப் படம்பிடித்து தரவுகளைப் பிரித்தெடுத்தல்). வெவ்வேறு தேதிகளில் இருந்து செயற்கைக்கோள் படங்களை ஒப்பிடுவதன் மூலம், புதிய கட்டுமானம், இழந்த விவசாய நிலம், சட்டவிரோத கட்டுமானத்தை விரிவுபடுத்துதல் அல்லது பசுமையான இடத்தை சுருக்குதல் ஆகியவற்றைக் கண்டறியலாம். AI இந்த படங்களை வகைப்படுத்துவதில் ஒரு சக்திவாய்ந்த முடுக்கி (ஒவ்வொரு பிக்சலையும் "கட்டமைப்பு," "ஆலை," "நீர்," என லேபிளிடுதல்) மற்றும் இரண்டு தேதிகளுக்கு இடையில் மாற்றங்களைக் கண்டறிதல். ஆனால் பட பகுப்பாய்வு தெளிவுத்திறன், தேதி, நிழல், மேகம் மற்றும் வகைப்படுத்தல் பிழை ஆகியவற்றால் நிறைந்துள்ளது. AI கொடிகள் நிழலாகவோ, பருவகால வேறுபாடாகவோ அல்லது பிழையாகவோ இருக்கும் ஒரு "மாற்றம்". எனவே, புலம் மற்றும் உத்தியோகபூர்வ பதிவுகள் மூலம் உறுதிப்படுத்தப்படாமல், படத்திலிருந்து எடுக்கப்பட்ட எந்த முடிவையும் சட்ட நடவடிக்கைக்கு அடிப்படையாகப் பயன்படுத்த முடியாது.

ரிமோட் சென்சிங்கின் அடிப்படைக் கருத்துக்கள்

தீர்மானம்: தரையில் ஒரு பிக்சல் ஆக்கிரமித்துள்ள பகுதி. 10 மீட்டர் தெளிவுத்திறனில், ஒரு பிக்சல் 10x10 மீட்டரைக் குறிக்கிறது; ஒரு சிறிய வெளிப்புறக் கட்டிடம் தெரியவில்லை. உயர் தெளிவுத்திறன் (எ.கா. 0.3-1 மீட்டர்) என்பது அதிக விவரம் ஆனால் அதிக விலை மற்றும் குறைவான அடிக்கடி தரவு.

ஸ்பெக்ட்ரல் பேண்ட்: செயற்கைக்கோள்கள் கண்ணால் பார்க்க முடியாத ஒளியையும் பதிவு செய்கின்றன (அகச்சிவப்பு போன்றவை). அகச்சிவப்பு நிறத்தில் தாவரங்கள் ஒளிர்கின்றன; இது தாவரத்தை கட்டமைப்பிலிருந்து பிரிப்பதை எளிதாக்குகிறது. கிரீன்ஃபீல்ட் டிராக்கிங்கில் NDVI (தாவர வீரியத்தை அளவிடும் எளிய கால்குலேட்டர்) போன்ற குறியீடுகள் பொதுவானவை.

தேதி மற்றும் பருவம்: இரண்டு படங்கள் வெவ்வேறு பருவங்களில் இருந்தால், பச்சை நிறம் குறைவது "நஷ்டம்" அல்ல, ஆனால் குளிர்காலத்தின் வருகை. தேதி மற்றும் பருவ இணக்கம் ஒப்பிடுகையில் அவசியம்.

துல்லியம்: வகைப்பாடு எவ்வளவு துல்லியமானது என்பதை அளவிடும் மதிப்பு. "85 சதவிகித துல்லியம்" என்பது ஒவ்வொரு ஆறு பிக்சல்களில் ஒன்று தவறாக பெயரிடப்பட்டிருக்கலாம்; இது தணிக்கை செயல்முறைக்கான குறிப்பிடத்தக்க அளவு பிழையாகும்.

கவனம்: செயற்கைக்கோள் படத்திலிருந்து AI ஆல் கண்டறியப்பட்ட ஒரு அமைப்பு, சட்டத்திற்குப் புறம்பான கட்டமைப்பின் ஆதாரம் அல்ல. நிழல், தீர்மானம், தேதி மற்றும் வகைப்பாடு பிழை தவறான நேர்மறைகளை உருவாக்குகின்றன. ஆய்வு மற்றும் அமலாக்கத்திற்கு எப்போதும் தளக் கட்டுப்பாடு, உரிமைப் பத்திரம்/உரிமப் பதிவு மற்றும் அதிகாரப்பூர்வ அளவீடு தேவை.

இலவச மற்றும் திறந்த செயற்கைக்கோள் தரவு (ஐரோப்பாவின் சென்டினல் மற்றும் அமெரிக்காவின் லேண்ட்சாட் திட்டங்கள் போன்ற ஆதாரங்கள்) திட்டமிடலுக்கு கொண்டு வரும் மிகப்பெரிய மதிப்பு வரலாற்று நேரத் தொடராகும்: பல ஆண்டுகளாக ஒரே பகுதியில் உள்ள டஜன் கணக்கான படங்களை நீங்கள் அணுகலாம். இது ஒரு "முன்/பின்" ஒப்பீட்டிற்கு அப்பால் சென்று அக்கம்பக்கத்தின் பரவல் வீதம், பருவகால ஏற்ற இறக்கம் மற்றும் போக்கு ஆகியவற்றைக் காண உங்களை அனுமதிக்கிறது. இந்த நீண்ட தொடர்களை சுருக்கி, சத்தத்திலிருந்து மாற்றத்தின் அர்த்தமுள்ள வடிவங்களைப் பிரிப்பதில் AI உதவியாக இருக்கும். ஆனால் அதே விதி நேரத் தொடரிலும் பொருந்தும்: ஒரு போக்கு எவ்வளவு தெளிவாகத் தோன்றினாலும், படங்களின் தீர்மானம், மேகக்கணி வீதம் மற்றும் பருவநிலை ஆகியவை முடிவைத் தீர்மானிக்கின்றன; இந்த மூன்று காரணிகளைப் புகாரளிக்காமல் எந்தப் போக்கையும் நம்பகமானதாகக் கருத முடியாது.

மாற்றத்தைக் கண்டறிவதற்கான தர்க்கம்

இரண்டு தேதியிட்ட படங்களை ஒப்பிடுவதற்கு பல வழிகள் உள்ளன: இரண்டு தேதிகளையும் வகைப்படுத்துதல் மற்றும் வகுப்புகளை ஒப்பிடுதல், குறியீட்டு வேறுபாட்டைப் பெறுதல் (எ.கா. NDVI வேறுபாடு) அல்லது AI மாதிரியுடன் நேரடியாக "மாற்றப்பட்ட/மாற்றப்படாத" வரைபடத்தை உருவாக்குதல். இதன் விளைவாக மாற்றத்தின் வரைபடம் உள்ளது: புதிய அமைப்பு எங்கே, ஆலை எங்கே தொலைந்தது. இந்த வரைபடம் ஒரு பூர்வாங்க திரையிடலாக விலைமதிப்பற்றது - இது திட்டமிடுபவருக்கு "அங்கே பாருங்கள்" என்று கூறுகிறது. ஆனால் ஒவ்வொரு அடையாளமும் அது உண்மையான மாற்றமா அல்லது பிழையா என தனித்தனியாக சரிபார்க்கப்படுகிறது.

படிப்படியாக: AI-இயக்கப்படும் மாற்ற பகுப்பாய்வு

1. கேள்வியை வரையறுக்கவும். "2018 மற்றும் 2024 க்கு இடையில் [பகுதியில்] புதிய கட்டுமானம் எங்கே?"
2. படத்தைத் தேர்ந்தெடுக்கவும். இதே போன்ற சீசன், ஏற்றுக்கொள்ளக்கூடிய தெளிவுத்திறன், குறைந்த மேகம்.
3. முன் செயலாக்கம். அதை அதே CRS க்கு கொண்டு வந்து, சீரமைத்து, மேகம்/நிழல் முகமூடியைப் பயன்படுத்துங்கள்.
4. வகைப்படுத்தவும்/ஒப்பிடவும். AI உடன் வகுப்பை உருவாக்கவும் அல்லது வரைபடத்தை மாற்றவும்.
5. துல்லியத்தை மதிப்பிடுங்கள். அறியப்பட்ட குறிப்பு புள்ளிகளுடன் துல்லியத்தை அளவிடவும்.
6. புலம் மற்றும் பதிவு உறுதிப்படுத்தல். தேவைப்பட்டால், தலைப்புப் பத்திரம்/உரிமம் மற்றும் தளத்துடன் குறிக்கப்பட்ட மாற்றங்களைச் சரிபார்க்கவும்.
7. அறிக்கை வரம்புகள். பிழையின் தேதி, தீர்மானம், துல்லியம் மற்றும் விளிம்பு ஆகியவற்றை தெளிவாக எழுதவும்.

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனமான ப்ராம்ட்: "இந்த இரண்டு படங்களிலிருந்து என்ன மாறிவிட்டது என்று சொல்லுங்கள்."

AI அழகாக தோற்றமளிக்கும் ஆனால் நிச்சயமற்ற துல்லியமான பட்டியலை உருவாக்குகிறது; நிழல் மற்றும் பருவத்தில் உள்ள வேறுபாடு உண்மையான மாற்றம் என்று நீங்கள் நினைக்கலாம்.

வலுவான அறிவுறுத்தல்: "இரண்டு தேதிகளில் (ஜூலை 2018 / ஜூலை 2024, அதே சீசன், 10 மீ தெளிவுத்திறன்) வகைப்படுத்தப்பட்ட நிலப்பரப்புத் தரவை ஒப்பிட்டுப் பார்க்கிறேன். மாற்றப் பகுப்பாய்வைப் புகாரளிக்கும் போது, தெளிவாகக் கூறுங்கள்: நிழல்/பருவம்/தெளிவு ஆகியவற்றின் காரணமாக எந்த மாற்றங்கள் தவறானதாக இருக்கலாம், எந்தத் தீர்மானங்களுக்கு புலச் சரிபார்ப்பு தேவைப்படுகிறது, மேலும் துல்லியமாகத் தீர்மானிக்கப்படக்கூடாது. தேவை'."

இரண்டாவது ப்ராம்ட் நிச்சயமற்ற தன்மை மற்றும் பிழையின் ஆதாரங்களைத் தெளிவாகத் தெரிவிக்க AI ஐ கட்டாயப்படுத்துகிறது.

நகலெடுக்கக்கூடிய நான்கு வார்ப்புருக்கள்

பணி: பின்வரும் மாற்றம் கண்டறிதல் வெளியீட்டை விமர்சன ரீதியாக மதிப்பீடு செய்யவும். ஒவ்வொரு கண்டறிதலுக்கும் சாத்தியமான பிழை ஆதாரங்களை பட்டியலிடவும்: நிழல், மேகம், பருவம், தெளிவுத்திறன், வகைப்பாடு பிழை. "புல உறுதிப்படுத்தல் தேவை" என்ற குறிப்பைச் சேர்க்கவும். இறுதி தீர்ப்புகளை வழங்க வேண்டாம். கண்டுபிடிப்புகள் / தேதி / தீர்மானம்: [...]

பணி: நகர்ப்புற மாற்றப் பகுப்பாய்விற்கான படத் தேர்வு அளவுகோல்களின் சரிபார்ப்புப் பட்டியலை எழுதவும்: பருவநிலை, தீர்மானம், கிளவுட் வீதம், தேதி வரம்பு, CRS. என்னிடம் உள்ள படங்கள் இந்த அளவுகோல்களை சந்திக்கிறதா என்று கேட்க கேள்விகளை உருவாக்கவும். படத் தகவல்: [...]

பணி: பின்வரும் மாற்ற பகுப்பாய்வு கண்டுபிடிப்புகளிலிருந்து அறிக்கையை வரையவும். ஒவ்வொரு கண்டுபிடிப்பிலும் தீர்மானம், தேதி, துல்லியம் மற்றும் பிழையின் விளிம்பு ஆகியவற்றை தெளிவாகக் குறிப்பிடவும். முடிவுகளை "முன் திரையிடல்" என்று வடிவமைக்கவும்; ஆய்வு/அனுமதிக்கு புலம் மற்றும் அதிகாரப்பூர்வ பதிவு உறுதிப்படுத்தல் தேவை என்பதை வலியுறுத்துங்கள்.கண்டுபிடிப்புகள்: [...]

பணி: வகைப்பாடு துல்லியத்தை மதிப்பிடுவதற்கான எளிய வழியைப் பரிந்துரைக்கவும்: எத்தனை குறிப்பு புள்ளிகள், எப்படி தேர்வு செய்வது, துல்லியத்தை எவ்வாறு கணக்கிடுவது (வெற்று விளக்கம்). அறிக்கையில் எந்த உண்மை அறிக்கை எழுதப்பட வேண்டும், உதாரணம். சூழல்: [...]

அட்டவணை: தரவு வகை மற்றும் பயன்பாடு

தரவு

தீர்மானம்

வலுவான புள்ளி

வரம்பு

நடுத்தர தெளிவுத்திறன் செயற்கைக்கோள்

10-30மீ

இலவச, அடிக்கடி, பரந்த பகுதி

சிறிய கட்டமைப்பை இழக்கிறது

உயர் தெளிவுத்திறன் செயற்கைக்கோள்

0.3-1மீ

விரிவான கட்டமைப்பு கண்டறிதல்

விலையுயர்ந்த, அரிதான, மேகம் ஆபத்து

வான்வழி புகைப்படம் / ஆர்த்தோஃபோட்டோ

0.1-0.3மீ

மிகவும் விரிவான, முறையான

புதுப்பிப்பு அதிர்வெண் குறைவாக உள்ளது

UAV (ட்ரோன்)

செமீ நிலை

உடனடி, மிகவும் விரிவானது

சிறிய இடம், அனுமதி/சட்டம்

மூன்று சிறிய வழக்குகள்

வழக்கு 1 - நிழல் மாயை. ஒரு நகராட்சி AI மாற்ற வரைபடத்தில் "புதிய கட்டுமான" அடையாளங்களை அக்கம் பக்கத்தில் பார்க்கிறது. கள அணி செல்கிறது; பெரும்பாலான அடையாளங்கள் பிற்பகல் படத்தில் நீண்ட கட்டிட நிழல்கள். புதிய கட்டிடங்களின் உண்மையான எண்ணிக்கை பாதி அறிகுறிகளாகும். AI முன் திரையிடப்பட்டது, ஆனால் உறுதிப்படுத்தல் இல்லாமல் பயன்படுத்தினால், அது தவறான நிமிடங்களை உருவாக்கும்.

வழக்கு 2 - சிறிய கட்டமைப்பிலிருந்து தப்பித்தல். ஒரு திட்டமிடுபவர் 10 மீட்டர் தெளிவுத்திறன் கொண்ட இலவச செயற்கைக்கோள் மூலம் விவசாயத் துறையில் சிறிய கிடங்குகளைக் கண்காணிக்க முயற்சிக்கிறார். கிடங்குகள் 6x8 மீட்டர் என்பதால், அவை ஒரு பிக்சலின் கீழ் இருக்கும், மேலும் அவை தெரியவில்லை. உண்மையான கண்காணிப்பிற்காக திட்டமிடுபவர் உயர் தெளிவுத்திறன் கொண்ட ஆர்த்தோஃபோட்டோவிற்கு மாறுகிறார். என்ன பார்க்க முடியும் என்பதை தீர்மானம் தீர்மானிக்கிறது.

வழக்கு 3 - வெளிப்படையான அறிக்கை. ஒரு குழு ஒரு பிராந்தியத்தின் 6 வருட பரவலை பகுப்பாய்வு செய்து, அறிக்கையில் தெளிவாக "கண்டறிதல்கள் 82 சதவீத துல்லியத்துடன் கூடிய பூர்வாங்க ஸ்கேன் ஆகும்; 47 புள்ளிகள் புல உறுதிப்படுத்தலுக்காக காத்திருக்கின்றன; படத்தின் தேதிகள் மற்றும் தீர்மானம் இணைக்கப்பட்டுள்ளது." பாராளுமன்றம் சரியான எடையுடன் முடிவை மதிப்பிடுகிறது. நிச்சயமற்ற தன்மையை மறைப்பதற்குப் பதிலாகப் புகாரளிப்பது பகுப்பாய்வை நம்பகமானதாக்குகிறது.

பொதுவான தவறுகள்

• ஆதாரமாக தவறாக கண்டறிதல். படம் முன்பே ஸ்கேன் செய்யப்பட்டது; இதற்கு தடைகள் மற்றும் அதிகாரப்பூர்வ பதிவு தேவை.
• சீசன்/தேதி பொருந்தவில்லை. வெவ்வேறு பருவகால படங்கள் தவறான மாறுபாட்டை உருவாக்குகின்றன.
• தீர்மானத்தை புறக்கணித்தல். சிறிய கட்டமைப்புகள் குறைந்த தெளிவுத்திறனில் தெரியவில்லை; அது "இல்லை" அல்ல.
• துல்லியத்தைப் புகாரளிப்பதில் தோல்வி. பிழையின் விளிம்பை மறைப்பது தவறான முடிவுகளுக்கு வழிவகுக்கிறது.
• நிழலையும் மேகத்தையும் மறப்பது. தவறான நேர்மறைகளின் இரண்டு பொதுவான ஆதாரங்கள்.
• CRS பொருத்தமின்மை. சீரமைக்கப்படாத படங்கள் தவறான இடத்தில் மாறுகின்றன.

சுருக்கமாக

செயற்கைக்கோள் மற்றும் வான்வழிப் படங்கள் நகர்ப்புற மாற்றத்தை அளவிலும் வேகத்திலும் பார்க்க மிகவும் சக்திவாய்ந்த வழிகள்; AI வகைப்பாடு மற்றும் மாற்றம் கண்டறிதலை துரிதப்படுத்துகிறது. ஆனால் என்ன பார்க்க முடியும் என்பதை தீர்மானம் தீர்மானிக்கிறது, பருவம் மற்றும் தேதி எது உண்மையானது என்பதை தீர்மானிக்கிறது, நிழல் மற்றும் மேகம் தவறான நேர்மறை என்பதை தீர்மானிக்கிறது. துல்லியம் எப்போதும் அளவிடப்பட்டு அறிக்கையிடப்பட வேண்டும். மிக முக்கியமாக: படத்திலிருந்து கண்டறிதல் ஒரு முன் ஸ்கேன் ஆகும்; புலக் கட்டுப்பாடு, உரிமைப் பத்திரம்/உரிமம் பதிவு மற்றும் அதிகாரப்பூர்வ அளவீடு ஆகியவை ஆய்வு மற்றும் அனுமதிக்கு அவசியம். AI பார்வையை விரைவுபடுத்துகிறது, முடிவெடுப்பதை அல்ல.

விண்ணப்ப பணி

இரண்டு வெவ்வேறு தேதிகளைக் கொண்ட ஒரு ஜோடி படங்களை (அல்லது காட்சிகள்) கவனியுங்கள். (1) இரண்டாவது டெம்ப்ளேட்டைக் கொண்டு படத்தைத் தேர்ந்தெடுக்கும் அளவுகோலைச் சரிபார்க்கவும்: பருவம், தெளிவுத்திறன், மேகம் பொருந்துமா? (2) மாற்றம் கண்டறிதல்களின் பட்டியலைக் கருதி, ஒவ்வொரு கண்டறிதலுக்கும் ஆரம்ப டெம்ப்ளேட்டுடன் சாத்தியமான பிழை ஆதாரங்களைப் பிரித்தெடுக்கவும். (3) மூன்றாவது டெம்ப்ளேட்டுடன் வரைவு அறிக்கையை உருவாக்கி, துல்லியம் மற்றும் பிழையின் விளிம்பைச் சேர்க்கவும். (4) எந்தெந்த தீர்மானங்களுக்கு புல உறுதிப்படுத்தல் தேவை மற்றும் இதை எப்படி செய்வீர்கள் என்பதை எழுதவும்.

சரிபார்ப்பு பட்டியல்

• [ ] படங்களின் சீசன், தேதி மற்றும் தெளிவுத்திறன் இணக்கத்தன்மையை நான் சரிபார்த்தேன்.
• [ ] நான் அதே CRS க்கு படங்களை சீரமைத்தேன்; நான் மேகம்/நிழல் முகமூடியை கருத்தில் கொண்டேன்.
• [ ] நான் மாற்றம் கண்டறிதல்களை பூர்வாங்க ஸ்கிரீனிங்காகக் கருதினேன், ஆதாரமாக அல்ல.
• [ ] நான் வகைப்படுத்தல் துல்லியத்தை மதிப்பீடு செய்து புகாரளித்தேன்.
• [ ] குறிக்கப்பட்ட மாற்றங்களை புலம் மற்றும் அதிகாரப்பூர்வ பதிவுகளுடன் உறுதிப்படுத்தினேன்.
• [ ] தெளிவுத்திறன் வரம்பு எதை இழக்கக்கூடும் என்பதை நான் குறிப்பிட்டேன்.
• [ ] அறிக்கையில் தேதி, தீர்மானம் மற்றும் பிழையின் விளிம்பு ஆகியவற்றை நான் தெளிவாக எழுதியுள்ளேன்.