QGIS Automation, Ethics, Privacy at End-to-End Project

Mga nadagdag:

• Kakayahang mag-set up at magpatakbo ng workflow automation na may suporta sa AI na may PyQGIS at taga-disenyo ng modelo
• Kakayahang pamahalaan ang privacy ng personal na data, copyright, lisensya at mga limitasyon sa pananagutan ng engineer sa isang end-to-end na proyekto
• Kakayahang magdisenyo ng geomatics project sa isang AI-enabled ngunit verification-centric na daloy mula sa pagkolekta ng data hanggang sa paghahatid

Pagsusulit sa Module

1. Alin sa mga sumusunod ang pangunahing prinsipyo na tumutukoy sa panganib ng isang output ng AI sa survey engineering?

• A) Ang panganib ng isang output ay katumbas ng pinsalang idudulot nito kung ang output ay may sira; naaayon ang validation scale ✔
• B) Ang output ng AI ay karaniwang ligtas dahil ito ay nakasulat nang matatas at may kumpiyansa
• C) Ang pagpapatunay ay hindi kailangan kapag ang pinakabagong modelo ang ginamit
• D) Kung ang output ay tumutukoy sa isang pamantayan, walang karagdagang kontrol ang kinakailangan

Paliwanag: Ang panganib ng isang output ay katumbas ng pinsalang idudulot nito kung ang output ay mali. Bagama't ang isang maliit na pagkakamali sa isang buod ng literatura ay higit na hindi nakakapinsala, ang isang pagkakamali sa isang hangganan ng kadastral o halaga ng elevation ay maaaring humantong sa paglabag sa ari-arian, hindi wastong aplikasyon sa pagtatayo at pinsala sa ari-arian; kaya ang intensity ng pag-verify ay lumalago sa potensyal na pinsala.

2. Aling gawain ang pinakaligtas at naaangkop na itinalaga sa AI sa kontrol ng kalidad ng isang hanay ng pagsukat ng GNSS?

• A) Upang tuluyang tanggapin ang katumpakan ng mga coordinate ng punto at ideklara silang handa na para sa pagpaparehistro
• B) Pag-edit ng mga raw observation table at pagmamarka ng mga posibleng outlier/inconsistencies ✔
• C) Direktang pagkumpirma ng mga halaga ng aplikasyon nang hindi tumitingin sa mga prinsipyo ng pagsukat
• D) Isinasaalang-alang ang resulta na wasto nang hindi kinakalkula ang anumang mga error sa pagsasara

Paliwanag: Ang pinakaligtas na kontribusyon ng AI ay mga pantulong na gawain na makokontrol ng engineer, tulad ng pag-aayos ng mga nakakalat na raw na data at mga anotasyon, pag-flag ng mga hindi pagkakapare-pareho at mga outlier. Ang panghuling pagtanggap ng katumpakan ng point coordinate ay nananatili sa pag-apruba ng inhinyero, kabilang ang mga pagkakamali sa pagsasara at mga prinsipyo ng pagsukat; Ang AI na nagsasabing 'ang punto ay ganap na tama' ay hindi katibayan.

3. Aling impormasyon ang dapat malinaw na nakasaad sa AI sa kahilingan sa pagbabago ng coordinate?

• A) Mga pangalan ng mga puntos lamang
• B) Pangalan lang ng target na projection, hindi mahalaga ang datum
• C) Source at target coordinate system (datum + projection/EPSG) at mga parameter ng pagbabago ✔
• D) Pangalan ng taong gumagawa ng pagsukat

Paliwanag: Makatuwiran lang ang pagbabago ng coordinate kung tinukoy ang source system, target system (datum + projection, hal. EPSG code) at ang mga kinakailangang parameter ng pagbabago. Ang pagsasabi lang ng 'i-convert ito sa UTM' ay nagiging malabo kung aling datum ang inililipat kung saang datum at maaaring magdulot ng pagbabago ng datum ng mga metro.

4. Alin sa mga sumusunod ang pinakapraktikal na paraan upang mapatunayan ang output ng isang pagbabago?

• A) Pagtingin sa bilang ng mga decimal na lugar sa output
• B) Ang pagtingin sa kung gaano kabilis ang modelo ay nagbibigay ng sagot
• C) Paglilipat ng resulta sa CAD nang hindi ito sinusuri
• D) Ang paglalagay ng control point na ang mga coordinate ay kilala sa pamamagitan ng parehong pagbabago at paghahambing nito sa inaasahang halaga ✔

Paliwanag: Ang pagpasa sa isa o ilang mga control point na ang mga coordinate ay kilala sa pamamagitan ng parehong pagbabago at paghahambing sa mga ito sa inaasahang halaga ay mabilis na nagpapakita ng parehong mga error sa parameter at datum. Ang sistematikong pagkakaiba ng sampu-sampung metro ay karaniwang ang maling datum/parameter sign. Ang katotohanan na ang output ay lumilitaw na makinis ay hindi patunay ng kawastuhan.

5. Ano ang pinakamahalagang kinakailangan para sa tamang pagkalkula ng buffer at lugar sa GIS?

• A) Ang layer ay nasa naaangkop na metric (projection) coordinate system ✔
• B) Kulay ng layer
• C) Pagkakasunod-sunod ng hanay sa talahanayan ng katangian
• D) Ang pangalan ng file ng layer ay dapat na maikli

Paliwanag: Ang mga pagkalkula ng distansya at lugar ay makabuluhan lamang sa isang sukatan (inaasahang) coordinate system. Ang direktang buffering sa mga geographic na coordinate (latitude/longitude sa degrees) ay nagbibigay ng mga hindi tumpak na resulta dahil sa pagkalito ng degree-meter. Samakatuwid, ang layer ay dapat ilagay sa naaangkop na projection bago ang pagsusuri.

6. Ano ang karaniwang paraan upang masukat ang katumpakan ng isang mapa ng pabalat ng lupa sa pag-uuri ng imahe ng satellite?

• A) Tinitingnan kung gaano kasigla ang mga kulay ng mapa
• B) Pagtatatag ng error matrix na may mga independiyenteng ground truth sample at pagkalkula ng pangkalahatang katumpakan/Kappa ✔
• C) Umaasa sa malaking bilang ng mga klase
• D) Pagtingin sa resolution ng imahe at pag-aakalang katumpakan

Paglalarawan: Ang katumpakan ng pag-uuri ay sinusuri sa pamamagitan ng pagtatatag ng confusion matrix na may mga independiyenteng ground truth sample at pag-uulat nito gamit ang mga sukatan gaya ng pangkalahatang katumpakan at Kappa. Ang 'magandang hitsura' ng mapa o ang liwanag ng mga kulay ng klase ay hindi katibayan ng katumpakan.

7. Ano ang pangunahing elemento na nagsisiguro sa katumpakan ng posisyon sa photogrammetric orthophoto at produksyon ng DSM?

• A) Kumuha lang ng maraming larawan
• B) Ang UAV ay isang mamahaling modelo
• C) Pagkontrol sa katumpakan na may tumpak na nasusukat na mga control point sa lupa at mga independiyenteng control point ✔
• D) Ang paglipad ay dapat gawin sa isang maulap na araw

Paglalarawan: Ikinonekta ng mga ground control point (GCP) ang modelong photogrammetric sa real-world coordinate system at tukuyin ang katumpakan ng sukat/lokasyon. Bukod pa rito, sinusubok ang katumpakan sa pamamagitan ng pagkalkula ng RMSE na may mga independiyenteng control point na hindi pumapasok sa modelo. Ang simpleng pagtaas ng bilang ng mga larawan o paggawa ng UAV na mahal ay hindi ginagarantiyahan ang katumpakan.

8. Aling hakbang ang mandatory upang makabuo ng digital terrain model (DTM) mula sa LiDAR point cloud?

• A) Ginagawa ang lahat ng mga punto sa isang ibabaw kung ano ito
• B) Gamit lamang ang pinakamataas na puntos
• C) Pagtanggal ng mga halaga ng density
• D) Paghihiwalay ng mga di-lupa (gusali, puno) na mga punto gamit ang ground filtering ✔

Paglalarawan: Ang DTM ay kumakatawan sa hubad na ibabaw ng lupa; Samakatuwid, ang mga di-lupa na mga punto tulad ng mga gusali, puno, mga sasakyan ay kailangang paghiwalayin (ground filtering/classification). Kung lalaktawan ang hakbang na ito, ang tuktok na ibabaw (DSM) ang makukuha, hindi ang DTM. Maaaring pabilisin ng AI ang pag-uuri, ngunit dapat ma-validate ang resulta gamit ang mga cross-section ng profile.

9. Ano ang isa sa mga pinakakaraniwan at pinakamapanganib na pagkakamali sa awtomatikong pagbuo ng mapa gamit ang AI?

• A) Nilaktawan ang mga kinakailangang elemento tulad ng sukat, alamat, sistema ng coordinate at rating ng katumpakan ✔
• B) Paggamit ng masyadong maraming checkpoints
• C) Pagpapangkat ng mga layer
• D) Pagdaragdag ng pamagat sa sheet

Paliwanag: Mabilis ang awtomatikong pagsasagisag at pag-label, ngunit kung nawawala ang mahahalagang elemento ng cartographic gaya ng scale, legend, north arrow, coordinate system at accuracy note, nagiging mapanlinlang at opisyal na hindi magagamit ang mapa. Ang visual appeal ay walang kapalit para sa mga mahahalagang elementong ito.

10. Ano ang dapat na katayuan ng output ng AI kapag nagtatrabaho sa data ng cadastral at land registry?

• A) Ito ay itinuturing na tiyak na data na maaaring direktang maitala sa titulo ng titulo.
• B) Kinuha bilang isang paunang tseke/draft; Ang pangwakas na bisa ay depende sa pagsukat, batas at pag-apruba ng awtoridad ✔
• C) Lutasin ang mga hindi pagkakaunawaan sa ari-arian
• D) Ito ay nagiging isang opisyal na dokumento nang hindi nangangailangan ng anumang kontrol.

Paliwanag: Ang impormasyon sa hangganan ng kadastre, lugar at pagmamay-ari ay may legal na kahihinatnan; Ang AI ang gumagawa ng pinakamaraming preflight, inconsistency scan, at draft. Ang pangwakas na bisa ay nakasalalay sa pagsukat, batas at awtorisadong pag-apruba ng inhinyero/institusyon. Ang pagdedeklara ng AI output bilang 'pangwakas' ay lumilikha ng legal at propesyonal na panganib.

11. Ano ang pinakamahalagang pagsusuri na dapat gawin bago gumamit ng AI-generated GeoPandas/PyProj script?

• A) Ipagpalagay na tama ito dahil mahaba ang code
• B) Isinasaalang-alang na ito ay sapat na para gumana ito nang walang mga pagkakamali
• C) Patakbuhin ito gamit ang maliit, kilalang data ng pagsubok at i-verify ang CRS at ranggo ✔
• D) Pag-apruba ng mga variable na pangalan bilang maganda

Paliwanag: Ang ginawang code ay dapat patakbuhin na may maliit na data ng pagsubok na ang resulta ay alam at ang inaasahang output at ranggo ay dapat suriin. Sa partikular, kung ang kahulugan ng CRS (coordinate system) ay itinalaga nang tama ay isang kritikal na error; Ang maling CRS ay tahimik na gumagawa ng mga metro ng drift. Dahil lang sa 'gumagana' ang code ay hindi nangangahulugang tama ito.

12. Ano ang tamang diskarte kapag nagbibigay ng data ng kadastral/address na naglalaman ng data ng lokasyon at personal na impormasyon sa AI?

• A) Ipadala ang lahat ng tunay na may-ari at impormasyon ng pagkakakilanlan kung ano man
• B) Hindi pinapansin ang privacy dahil ito ay magiging kapaki-pakinabang
• C) Pag-paste ng data sa isang pampublikong forum
• D) Pag-anonymize ng personal na data o pakikipagtulungan sa mga kinatawan na halaga/naaprubahang kapaligiran ✔

Paliwanag: Ang data na naglalaman ng personal na data (pangalan ng may-ari, TR ID, sensitibong lokasyon) ay hindi dapat ipadala sa isang panlabas na modelo na lumalabag sa patakaran at batas ng kumpanya. Dapat na anonymize ang data, dapat gamitin ang mga sample/representative na value, o dapat gumamit ng aprubadong/in-house na kapaligiran. Ang katwiran na 'kapaki-pakinabang pa rin' ay hindi nag-aalis ng obligasyon ng pagiging kumpidensyal.

13. Ano ang pangunahing layunin ng paggamit ng NDVI index sa isang klasipikasyon ng sakop ng lupa?

• A) Pagsukat ng vegetation viability/density mula sa malapit na infrared at red band ✔
• B) Pagsukat ng taas ng lupa sa metro
• C) Pagtukoy sa may-ari ng parsela
• D) Pagbabago ng coordinate system

Paglalarawan: Sinusukat ng NDVI (Normalized Difference Vegetation Index) ang sigla/densidad ng berdeng halaman gamit ang pagkakaiba ng infrared at red bands. Ang mga halaman ay isang malakas na marker sa pagkilala sa pagitan ng tubig at hubad na lupa. Ang taas lamang ay hindi sumusukat o tumutukoy sa pagmamay-ari.

14. Aling pahayag ang pinakatumpak para sa papel na ginagampanan ng output ng AI sa isang aplikasyong kritikal sa kaligtasan o trabaho sa kadastral?

• A) Kung ang output ng AI ay sapat na matatas, hindi na kailangan ng pag-apruba ng engineer
• B) AI ay isang accelerator; Hindi pinapalitan ang karampatang pag-apruba at responsibilidad ng inhinyero ✔
• C) Ang responsibilidad ay ipinapasa sa kumpanyang gumagawa ng modelo
• D) Walang kinakailangang pag-apruba kapag gumagamit ng pinakamahal na modelo

Pahayag: Sa paggawa ng engineering at mapa, hindi pinapalitan ng AI output ang kontrol at pag-apruba ng isang karampatang eksperto sa trabaho na may seguridad at legal na kahihinatnan; Isa lamang itong accelerator at tool sa pagbuo ng draft. Ang pangwakas na responsibilidad at lagda ay nananatili sa awtorisadong inhinyero.