กำไร:
- ความสามารถในการอธิบายวิธีการทำแผนที่หิน ข้อบกพร่อง และการเปลี่ยนแปลงด้วย AI ในภาพถ่ายดาวเทียมและภาพถ่ายทางอากาศ
- ความสามารถในการออกแบบขั้นตอนการทำงานที่แยกแร่ธาตุและเครื่องหมายโครงสร้างออกจากข้อมูลหลายสเปกตรัม/ไฮเปอร์สเปกตรัม
- ความสามารถในการทดสอบเอาท์พุตการสำรวจระยะไกลด้วยความจริงภาคพื้นดินและบริบททางธรณีวิทยา
แผนที่ทางธรณีวิทยาคือการฉายภาพเรื่องราวใต้ดินของภูมิภาคบนพื้นผิว หน่วยหินใดอยู่ที่ไหน รอยเลื่อนเคลื่อนผ่านที่ไหน ชั้นต่างๆ เอียงไปในทิศทางใด โดยทั่วไป แผนที่นี้เป็นผลิตภัณฑ์ที่นักธรณีวิทยาสร้างขึ้นโดยการเดินทางจากโผล่หนึ่งไปอีกโผล่หนึ่ง โดยใช้เวลาทำงานภาคสนามเป็นเวลาหลายเดือน ในปัจจุบัน การรับรู้ระยะไกลและปัญญาประดิษฐ์ช่วยเร่งกระบวนการส่วนใหญ่นี้ให้เร็วขึ้น ในหน่วยนี้ เราจะดูว่าวิทยาหิน รอยเลื่อน และการเปลี่ยนแปลง (การเปลี่ยนแปลงทางเคมีของหินกับน้ำร้อน ตัวบ่งชี้ที่สำคัญในการสำรวจแร่) การทำแผนที่เสร็จสิ้นด้วยปัญญาประดิษฐ์จากภาพถ่ายดาวเทียม/ทางอากาศ และที่สำคัญที่สุดคือ วิธีทดสอบผลลัพธ์เหล่านี้กับความเป็นจริงของแผ่นดิน
คำเตือนตั้งแต่ต้น: ภาพการสำรวจระยะไกลเป็นเพียงการวัด ไม่ใช่การตีความ แต่ทุกแผนที่ที่ได้จากการวัดนั้นเป็นการตีความและมีข้อผิดพลาดในการตีความ "โซนการเปลี่ยนแปลง" ที่ถูกทำเครื่องหมายโดยปัญญาประดิษฐ์อาจเป็นตัวบ่งชี้แร่ธาตุที่เกิดขึ้นจริง สนามแห้ง เงา หรือการรบกวนของบรรยากาศ แผนที่เป็นเพียงสมมติฐานจนกว่าจะได้รับการยืนยันในภาคสนาม
ฟิสิกส์พื้นฐานของการสำรวจระยะไกล
แร่ธาตุและหินแต่ละชนิดสะท้อนแสงอาทิตย์ที่ความยาวคลื่นต่างกันในอัตราที่ต่างกัน สิ่งนี้เรียกว่าลายเซ็นสเปกตรัม สายตามนุษย์มองเห็นเฉพาะแสงที่มองเห็นได้ (แดง เขียว น้ำเงิน) แต่เซ็นเซอร์ดาวเทียมจะวัดช่วงที่กว้างกว่ามาก รวมถึงอินฟราเรดด้วย สองแนวคิดพื้นฐาน:
การวัดภาพแบบหลายสเปกตรัมในแถบความยาวคลื่นกว้างหลายแถบ (โดยทั่วไปคือ 4-12 แถบ) เช่น ดาวเทียม Landsat และ Sentinel มันแยกแยะหินหยาบ ในทางกลับกัน การถ่ายภาพไฮเปอร์สเปกตรัมวัดได้ในแถบแคบหลายร้อยแถบและสามารถจดจำแร่ธาตุได้เกือบจาก "ลายนิ้วมือสเปกตรัม" ของพวกมัน ใช้เพื่อแยกแยะแร่ธาตุที่มีการเปลี่ยนแปลง (เช่น เคโอลิไนต์ อะลูไนต์ อิลไลต์)
AI ทำงานสองอย่างที่นี่ ประการแรก จะจัดประเภทข้อมูลสเปกตรัมสูงนี้ (พิกเซลใดเป็นวิทยาหิน/แร่) ประการที่สอง จะแยกข้อบกพร่องและคุณลักษณะทางโครงสร้างออกจากรูปแบบทางเรขาคณิตของภาพ (เส้นตรง พื้นผิว เครือข่ายการระบายน้ำ) เมื่อมีการเพิ่มแบบจำลองระดับความสูงดิจิทัล (DEM หรือเรียกสั้น ๆ ว่าแผนที่ระดับความสูงสามมิติของผืนดิน) ความชัน ลักษณะและเส้นภูมิประเทศจะรวมอยู่ในการวิเคราะห์ด้วย
ทีละขั้นตอน: ขั้นตอนการแก้ไขแผนที่
- เตรียมภาพ. การแก้ไขบรรยากาศ (ลบเอฟเฟกต์การบิดเบือนของบรรยากาศ), การกำบังเมฆ, หน้ากากพืชพรรณ หากข้ามขั้นตอนนี้ไป ผลลัพธ์ทั้งหมดจะปนเปื้อน
- จำกัดพื้นที่ที่คุณสนใจให้แคบลง จำกัดพื้นที่ศึกษาให้อยู่ในบริบททางธรณีวิทยา (รอยเลื่อนที่ทราบ การก่อตัว หินโผล่) ให้บริบทแก่โมเดล
- คำนวณดัชนีสเปกตรัม อัตราส่วนแถบที่เน้นกลุ่มแร่ธาตุเฉพาะ (เช่น เหล็กออกไซด์ แร่ดินเหนียว)
- จำแนกประเภท ปัญญาประดิษฐ์จะจัดประเภทพิกเซล/ภูมิภาค และทำเครื่องหมายโซนการเปลี่ยนแปลงที่เป็นไปได้
- กำหนดเวลาการตรวจสอบภูมิประเทศ เลือกจุดตัวอย่างจากโซนที่ทำเครื่องหมายไว้ และตรวจสอบในช่อง หากไม่มีขั้นตอนนี้ แผนที่จะไม่มีการลงนาม
บทบาทและขีดจำกัดของปัญญาประดิษฐ์ในการวิเคราะห์ภาพ
โดยเฉพาะอย่างยิ่ง AI ช่วยลดข้อผิดพลาดสองประเภท: ตรวจจับความผิดปกติเล็กๆ น้อยๆ ที่ถูกมองข้าม และสร้างมาตรฐานการตีความที่ไม่สอดคล้องกัน แต่มันก่อให้เกิดข้อผิดพลาดที่เป็นระบบสามประการ อย่างแรกคือผลบวกลวง: พืชพรรณ ร่มเงา โครงสร้างของมนุษย์ หรือความชื้นในดินอาจดูเหมือนมีการเปลี่ยนแปลง ประการที่สองคืออคติในการฝึกอบรม: หากโมเดลได้รับการฝึกฝนกับข้อมูลจากภูมิภาคอื่น มันจะผิดพลาดในลิธวิทยาที่แตกต่างกันของไซต์ของคุณ ประการที่สามคือภาพลวงตาของขนาด หนึ่งพิกเซลครอบคลุมพื้นที่หลายสิบเมตรบนพื้น โครงสร้างที่ละเอียดหายไป พิกเซลแบบผสม (วัสดุหลายชนิดในหนึ่งพิกเซล) ทำให้เกิดความเข้าใจผิด
ดังนั้นกฎทอง: ความจริงภาคพื้นดินชนะเสมอ แผนที่ที่เกิดจากภาพไม่สามารถถือเป็นที่สิ้นสุดได้หากไม่ทดสอบด้วยตัวอย่างและการสังเกต ณ จุดที่เลือกในสนาม จุดตรวจสอบไม่ได้ถูกเลือกแบบสุ่ม แต่เป็นเชิงกลยุทธ์ เพื่อให้ครอบคลุมทั้งโซน "บางส่วน" และ "น่าสงสัย"
คดีเล็กๆ สามคดี: ตามตัวเลข
กรณีที่ 1 — การจำกัดพื้นที่การค้นหาให้แคบลง บริษัทสำรวจแห่งหนึ่งกำลังประเมินพื้นที่ใบอนุญาต 1,200 ตารางกิโลเมตร การจำแนกประเภทการเปลี่ยนแปลงที่ได้รับความช่วยเหลือจากปัญญาประดิษฐ์จากข้อมูลไฮเปอร์สเปกตรัมทำให้พื้นที่เหลือ 7 โซนเป้าหมาย ขนาด 38 กม.² แทนที่จะเยี่ยมชมพื้นที่ทั้งหมด ทีมงานภาคสนามกลับให้ความสำคัญกับ 7 โซนเหล่านี้ เวลาการรณรงค์ภาคสนามครั้งแรกลดลงประมาณ 70% 5 จาก 7 โซนแสดงให้เห็นการเปลี่ยนแปลงอย่างแท้จริงในสนาม 2 โซนเป็นผลบวกลวง (ดินเหนียว) — หากไม่มีการตรวจสอบ 2 โซนนี้จะสูญเปล่าในการขุดเจาะ
กรณีที่ 2 — ร่างเบื้องต้นของการทำแผนที่ข้อบกพร่อง การวิเคราะห์เส้นตรงที่แยกด้วย DEM และรูปภาพ ชี้ให้เห็นถึงเส้นสายรองสองเส้นควบคู่ไปกับข้อบกพร่องหลักที่ทราบ คนหนึ่งกลายเป็นความผิดจริงในสนาม อีกอันกลายเป็นร่องรอยภูมิประเทศของเส้นทางไปป์ไลน์ แบบจำลองจับรูปแบบเรขาคณิตได้อย่างถูกต้อง แต่ไม่สามารถแยกแยะที่มาของมันได้ เขาแยกแยะความแตกต่างระหว่างความน่าเชื่อถือทางธรณีวิทยาและการควบคุมภาคสนาม
กรณีที่ 3 — การเข้าใจผิดของเงาเมฆ ในพื้นที่หนึ่ง แบบจำลองได้ทำเครื่องหมาย "การเปลี่ยนแปลงของเหล็กออกไซด์" อย่างแรงบนทางลาดทางตอนเหนือ การแก้ไขบรรยากาศไม่สมบูรณ์ และลายเซ็นจริงๆ เป็นการบิดเบือนสเปกตรัมของเมฆบางๆ ที่ปกคลุม เมื่อภาพได้รับการประมวลผลใหม่และแก้ไข ความผิดปกติก็หายไป บทเรียน: ข้อผิดพลาดในการประมวลผลล่วงหน้านั้นโง่เขลาแม้กระทั่งโมเดลที่ทันสมัยที่สุด
พรอมต์ที่อ่อนแอ / พรอมต์ที่แข็งแกร่ง
พรอมต์ที่อ่อนแอ:
แสดงสถานที่ที่อาจมีทุ่นระเบิดในภาพดาวเทียมนี้
พรอมต์อันทรงพลัง:
บทบาทของคุณ: นักธรณีวิทยาการสำรวจระยะไกล ตีความค่าดัชนีสเปกตรัมและอัตราส่วนแบนด์ต่อไปนี้ (รูปภาพ Sentinel-2, โซนแห้งแล้ง, พืชพรรณกระจัดกระจาย)- สำหรับแต่ละโซนการเปลี่ยนแปลงที่เป็นไปได้: เขียนว่าดัชนี/อัตราส่วนใดที่กระตุ้นให้เกิดการเปลี่ยนแปลง - แนะนำแหล่งที่มาที่เป็นบวกลวงอย่างน้อยหนึ่งแหล่งสำหรับแต่ละโซน (พืชพรรณ, เงา, ดิน, ที่มนุษย์สร้างขึ้น, บรรยากาศ)- จัดเรียงโซนตาม "ลำดับความสำคัญในการตรวจสอบภูมิประเทศ" (สูง/กลาง/ต่ำ)- อย่าแสดงโซนใดๆ ว่าเป็น "ขุด"; ข้อมูล "โทเค็นการเปลี่ยนแปลงต้องได้รับการตรวจสอบ": [ตารางดัชนี/อัตรา + บริบท]
ข้อความแจ้งที่ชัดเจนบังคับให้โมเดลแสดงรายการผลบวกลวงและหลีกเลี่ยงการอ้างความถูกต้อง
เทมเพลตที่คัดลอกได้สี่แบบ
1) รายการตรวจสอบก่อนการประมวลผล:
ตรวจสอบขั้นตอนการประมวลผลล่วงหน้าที่อาจถูกละเว้นในเวิร์กโฟลว์การสำรวจระยะไกลต่อไปนี้: การแก้ไขบรรยากาศ หน้ากากเมฆ/เงา หน้ากากพืชพรรณ การแก้ไขภูมิประเทศ การสอบเทียบเซ็นเซอร์ อธิบายเป็นประโยคเดียวสำหรับแต่ละขั้นตอนที่ขาดหายไปอาจทำให้ข้อสรุปของคุณมีอคติได้อย่างไร ขั้นตอนการทำงาน: [คำจำกัดความ]
2) การตีความโซนการเปลี่ยนแปลง:
แยกกลุ่มแร่ธาตุที่มีการเปลี่ยนแปลงที่เป็นไปได้ออกจากค่าดัชนีสเปกตรัมต่อไปนี้ (ดินเหนียว เหล็กออกไซด์ คาร์บอเนต ซิลิกา) สำหรับแต่ละกลุ่ม: ดัชนีทริกเกอร์ ระดับความเชื่อมั่น คำอธิบายทางเลือก (ผลบวกลวง) การตรวจสอบภาคสนามที่เสนอ อ้างความแน่นอน ข้อมูล: [ดัชนี]
3) การแยกเส้นตรง/ข้อบกพร่อง:
พิจารณารายการเชิงเส้นด้านล่าง ระบุต้นกำเนิดที่เป็นไปได้สำหรับแต่ละรายการ: รอยเลื่อน ขอบเขตแผ่น เขื่อนกั้นน้ำ การระบายน้ำ โครงสร้างของมนุษย์ (ถนน/เส้น/สนาม) ขอบเขตพืชพรรณ ระบุแหล่งกำเนิดที่เป็นไปได้มากที่สุดพร้อมบริบททางธรณีวิทยา แต่อย่าพูดถึงความเป็นไปได้เพียงอย่างเดียว รายการ: [เชิงเส้น + บริบท]
4) แผนจุดตรวจสอบ:
เสนอแผนการตรวจสอบภาคสนามสำหรับแผนที่การเปลี่ยนแปลง/การพิมพ์หินต่อไปนี้:- จำนวนจุดตัวอย่างสำหรับแต่ละชั้นเรียน เพราะเหตุใด- การสุ่มตัวอย่างที่สมดุลของโซน "ชัดเจน" และ "น่าสงสัย"- หมายเหตุการเข้าถึงและความปลอดภัย สรุปแผนที่: [คลาสและพื้นที่]
ประเภทรูปภาพและพื้นที่การใช้งาน
ชนิดข้อมูล
มีมาตรการอะไร
จุดแข็งของเขาคือ
ขีด จำกัด
มัลติสเปกตรัม (Sentinel/Landsat)
บรอดแบนด์
การพิมพ์หินแบบหยาบ การสแกนระดับภูมิภาค
การแยกแร่มีจำกัด
ไฮเปอร์สเปกตรัม
วงแคบหลายร้อยวง
ความแตกต่างของแร่/การเปลี่ยนแปลง
ต้นทุน ค่าใช้จ่ายในการประมวลผล
DEM (ส่วนสูง)
ภูมิประเทศ
ความผิดปกติ/เส้นตรง การระบายน้ำ
วิทยาไม่ได้ให้
อินฟราเรดความร้อน
อุณหภูมิพื้นผิว
ซิลิเกต/คาร์บอเนตบางชนิด
ไวต่อบรรยากาศ
เรดาร์ (SAR)
ความหยาบผิว/การเสียรูป
ภายใต้เมฆ แผ่นดินถล่ม/แผ่นดินถล่ม
การตีความมีความซับซ้อน
เคล็ดลับ: ใช้เอาต์พุตการสำรวจระยะไกลเป็น "การสแกนเพื่อจัดลำดับความสำคัญของไซต์" ไม่ใช่ "แผนที่เจาะลึก" คุณค่าที่ยิ่งใหญ่ที่สุดของมันคือการบอกคุณว่าจะไปที่ไหนก่อน หลักฐานภาคสนามและวิศวกรตัดสินใจว่าจะเจาะที่ไหน
ข้อควรระวัง: แม้แต่การจำแนกประเภทขั้นสูงที่สุดก็ยังทำให้เกิดข้อผิดพลาดอย่างเป็นระบบหากละเว้นการประมวลผลล่วงหน้า (การแก้ไขบรรยากาศและภูมิประเทศ การมาสก์) ในกรณีที่ "เอาต์พุตแปลก" ให้สอบถามการประมวลผลล่วงหน้าก่อน ไม่ใช่โมเดล หลักการขยะเข้าขยะออกนี่โหดเหี้ยม
ข้อผิดพลาดทั่วไป
- ข้ามการประมวลผลล่วงหน้า การเข้าใจผิดความผิดปกติจากภาพที่ยังไม่ได้แก้ไขสำหรับธรณีวิทยาที่แท้จริง
- ลืมผลบวกลวง การเข้าใจผิดว่าพืช ร่มเงา ความชื้นในดิน และโครงสร้างของมนุษย์เป็นการเปลี่ยนแปลง/ข้อบกพร่อง
- การลงนามโดยไม่มีความจริงพื้นฐาน พิจารณาการตัดสินใจเจาะบนแผนที่ภาพโดยไม่ต้องตรวจสอบในภาคสนาม
- ภาพลวงตาขนาด ลืมขนาดพิกเซลและเพิกเฉยต่อความจริงที่ว่าโครงสร้างเล็กๆ น้อยๆ หายไปหรือพิกเซลที่ผสมกันทำให้เข้าใจผิด
- ละเลยอคติทางการศึกษา นำแบบจำลองที่ได้รับการฝึกในภูมิภาคอื่นไปใช้ในสาขาที่มีวิทยาวิธีที่แตกต่างกันอย่างสุ่มสี่สุ่มห้า
โดยสรุป
- การสำรวจระยะไกลจะวัดลักษณะสเปกตรัมของแร่ธาตุที่ความยาวคลื่นต่างกัน มันแยกความแตกต่างแบบละเอียดหลายสเปกตรัมและแบบละเอียดไฮเปอร์สเปกตรัม
- ปัญญาประดิษฐ์จะจัดประเภทข้อมูลมิติสูงและแยกความผิดปกติ/เชิงเส้นออกจากรูปแบบทางเรขาคณิต แต่มันก่อให้เกิดผลบวกลวง อคติในการฝึก และอคติในระดับ
- การประมวลผลล่วงหน้า (การแก้ไขบรรยากาศ/ภูมิประเทศ การมาสก์) จะกำหนดคุณภาพของผลลัพธ์ หากละเว้นจะเกิดข้อผิดพลาดอย่างเป็นระบบ
- การสำรวจระยะไกลเป็นเครื่องมือคัดกรอง/จัดลำดับความสำคัญ แผนที่ไม่ถือว่าแม่นยำหากไม่ได้รับการทดสอบด้วยความจริงภาคพื้นดิน
- ความจริงภาคพื้นดินชนะเสมอ จุดตรวจสอบควรครอบคลุมทั้งโซนบางแห่งและโซนต้องสงสัยอย่างสมดุล
งานสมัคร
ไม่ระบุชื่อค่าดัชนีสเปกตรัม/แบนด์ หรือรายการลำดับ DEM ที่คุณมีสำหรับไซต์งาน (หรือขอบเขตข้อมูลแบบเปิด) ตีความโซนการเปลี่ยนแปลงหรือข้อผิดพลาดที่เป็นไปได้ด้วยข้อความแจ้งเตือนที่มีประสิทธิภาพ และให้แบบจำลองแนะนำแหล่งผลบวกลวงอย่างน้อยหนึ่งแหล่งสำหรับแต่ละโซน จากนั้นจัดทำแผนการควบคุมสถานที่ด้วยเทมเพลต "แผนจุดตรวจสอบ" สังเกตในหนึ่งประโยคว่ามีกี่คะแนนที่ถูกแบ่งออกเป็นโซน "น่าสงสัย" และเหตุใดคุณจึงทำการสุ่มตัวอย่างแบบสมดุล
รายการตรวจสอบ
- [ ] ฉันสามารถแยกแยะได้ว่าข้อมูลแบบหลายสเปกตรัมและไฮเปอร์สเปกตรัมใช้วัดอะไร และใช้เพื่ออะไร
- [ ] ฉันรู้ว่าขั้นตอนก่อนการประมวลผล (การตัดแต่ง การมาสก์) ส่งผลต่อผลลัพธ์อย่างไร
- [ ] ฉันตั้งคำถามถึงแหล่งที่มาของผลบวกลวง (พืชพรรณ เงา สิ่งที่มนุษย์สร้างขึ้น) ในผลลัพธ์ของการเปลี่ยนแปลง/ข้อบกพร่อง
- [ ] ฉันดูแผนที่การสำรวจระยะไกลเป็นเครื่องมือสแกนและทดสอบด้วยการตรวจสอบภูมิประเทศ
- [ ] ฉันสามารถวางแผนจุดตรวจสอบเพื่อปรับสมดุลของโซนบางแห่งและโซนที่น่าสงสัยได้