ابزار طبقه‌بندی در Google Earth از هوش مصنوعی برای ایجاد لایه نقشه سفارشی («طبقه‌بندی») برای منطقه‌ای مشخص با تعریف کردن دسته‌های پوشش زمین استفاده می‌کند. چه بخواهید انواع مختلف محصولات کشاورزی را نقشه‌برداری کنید، پوشش جنگلی را ردیابی کنید، یا محله‌های شهری را متمایز کنید، این ابزار نمونه‌های برچسب‌گذاری‌شده شما را به نقشه‌ای کامل تبدیل می‌کند.
روش کار
- کلاس‌ها را اضافه کنید و نمونه ارائه دهید: نقاطی را روی نقشه رها کنید تا به ابزار بگویید چه چیزی در آنجا وجود دارد (برای مثال، «جنگل» یا «شهری»). این کار را به‌عنوان «آموزش» به هوش مصنوعی درنظر بگیرید که براساس تعاریف شما، مناظر مختلف چگونه به‌نظر می‌رسند.
- تحلیل هوش مصنوعی: در پشت صحنه، این ابزار نقاط شما را با AlphaEarth Foundations مجموعه داده Satellite Embedding جفت می‌کند، یک مدل هوش مصنوعی جهانی تخصصی که الگوهای منحصربه‌فرد تصاویر ماهواره‌ای را درک می‌کند.
- نقشه‌سازی پیش‌بینانه: یک مدل یادگیری ماشین («جنگل تصادفی») هر مربع ۱۰ متری را در منطقه شما تحلیل می‌کند. این فناوری آن مربع‌ها را با نمونه‌های شما مقایسه می‌کند و به‌طور خودکار بقیه نقشه را پر می‌کند.
تولید لایه طبقه‌بندی سفارشی
- پروژه موجودی را باز کنید یا پروژه جدیدی در Google Earth ایجاد کنید.
- به ابزارها
طبقه‌بندی بروید. برای شروع، چندضلعی‌ای دور منطقه موردعلاقه‌تان بکشید یا چندضلعی موجودی را انتخاب کنید.
- برای ترسیم منطقه موردعلاقه، روی نقطه‌ها در نقشه کلیک کنید.
- برای برداشتن نقطه، روی واگرد واگرد کلیک کنید.
- برای بازکشیدن منطقه موردعلاقه، روی بازآوری شروع جدید کلیک کنید.
دکمه افزودن کلاس را انتخاب کنید تا ایجاد لایه طبقه‌بندی را شروع کنید.
را انتخاب کنید تا برای لایه جدیدتان عنوان بگذارید.
سال طبقه‌بندی را انتخاب کنید.
- سالی را که می‌خواهید نگاشت کنید انتخاب کنید. این ابزار از داده‌های ماهواره‌ای این دوره برای طبقه‌بندی استفاده می‌کند و فرض می‌کند همه نقاط نمونه‌ای که ارائه می‌دهید شرایط زمینی آن سال را منعکس می‌کند.
حداقل دو کلاس به لایه طبقه‌بندی خود اضافه کنید.
- می‌توانید نام نمایشی خودتان را وارد کنید و طبقه‌بندی را با رنگی سبک‌بندی کنید.
- درباره نحوه سبک‌بندی لایه‌های داده بیشتر بدانید.
تمام را برای ذخیره کلاس انتخاب کنید.
سپس برای کلاسی که انتخاب کرده‌اید، نقاط نمونه را روی نقشه قرار دهید تا به ابزار نشان دهید دقیقاً دنبال چه هستید.
- برای هر کلاس حداقل سه نقطه نمونه قرار دهید.
می‌توانید کلاس‌های سفارشی خودتان را تعریف کنید یا کلاس‌ها را از سیستم طبقه‌بندی موجود انتخاب کنید. سیستم طبقه‌بندی مجموعه‌ای استاندارد از دسته‌های ازپیش تعریف‌شده ارائه می‌دهد که به شما امکان می‌دهد مقایسه‌هایی دقیق با نقشه‌های دیگری که از آن سیستم طبقه‌بندی استفاده می‌کنند انجام دهید.
برای استفاده از سیستم طبقه‌بندی، منو را انتخاب کنید و list_alt استفاده از سیستم طبقه‌بندی را انتخاب کنید.
- سپس سیستم طبقه‌بندی را انتخاب کنید و کلاس‌ها را در آن سیستم جستجو کنید. کلاس‌هایی را که می‌خواهید استفاده کنید انتخاب کنید و برای افزودن آن‌ها، تمام را انتخاب کنید.
- می‌توانید نام نمایشی خودتان را وارد کنید و رنگ را سفارشی‌سازی کنید.
مشاهده نقشه طبقه‌بندی‌شده. نقشه سال طبقه‌بندی‌ای را که انتخاب کرده‌اید نشان می‌دهد.
- با افزودن نقاط نمونه، لایه به‌طور مداوم به‌روز می‌شود.
اگر ابزار منطقه‌ای را به‌اشتباه طبقه‌بندی می‌کند یا مناطق «نامشخص» را نشان می‌دهد، چند نقطه نمونه دیگر اضافه کنید تا اشتباهات آن اصلاح شود. مدل فوراً از نمونه‌های جدید شما یاد می‌گیرد تا نقشه دقیق‌تری تولید کند.
- کلاس «نامشخص» نشان‌داده‌شده در راهنمای نقشه نشان‌دهنده مناطقی است که مدل برای تشخیص کلاس‌ها به اطلاعات بیشتری نیاز دارد. این پیکسل‌ها برجسته می‌شوند تا به شما کمک کنند دقیقاً تشخیص دهید که در کجا به نقاط نمونه بیشتری نیاز است.
- وقتی برای این مکان‌ها برچسب ارائه کنید، لایه به‌روز می‌شود.
وقتی ایجاد لایه تمام شد، تمام را انتخاب کنید.
می‌توانید با انتخاب دکمه ویرایش در پانل بازرس لایه، لایه را به‌روز کنید. برای افزودن نقاط نمونه بیشتر برای مناطقی که نادرست یا ناقص به‌نظر می‌رسند، ویرایش کنید. این کار به مدل کمک می‌کند نقشه بهتری تولید کند.
نکته‌هایی برای نقشه‌سازی خوب
- نقشه فقط به اندازه نقاطی که ارائه می‌دهید خوب است. برای دریافت بهترین نتایج، نقاط شما باید طیف کامل تغییرات را برای هر کلاس ثبت کند. مجموعه گسترده‌ای از مکان‌ها را انتخاب کنید که نمونه‌های متنوعی از کلاس را درطول کل سال نشان می‌دهند. برای مثال، اگر جنگل‌ها را نقشه‌برداری می‌کنید، نقاطی را برای درختان انبوه و پراکنده اضافه کنید. هرچه نمونه‌های بیشتری ارائه دهید، بهتر است!
- این ابزار برای طبقه‌بندی تکراری درنظر گرفته شده است. اگر نتایج در ناحیه خاصی «خاموش» به‌نظر می‌رسد، نقاط بیشتری را در آنجا رها کنید تا مدل هوش مصنوعی اصلاح شود. با افزودن نقاط برچسب‌گذاری‌شده در این نواحی، نواحی «نامشخص» را کاهش دهید.
- نتایجی که می‌بینید با AlphaEarth Foundations Satellite Embeddings پشتیبانی می‌شود، مجموعه داده‌ای با ویژگی‌های متعدد با وضوح ۱۰ متر که از چندین منبع داده ماهواره‌ای ساخته شده است. درحالی‌که از نقشه پایه با وضوح بالا در Google Earth برای قرار دادن نقاط استفاده می‌کنید، هوش مصنوعی چشم‌انداز را در مقیاس جاسازی ۱۰ متری تجزیه‌وتحلیل می‌کند تا دقت گسترده را تضمین کند. برای بهترین نتایج، بر برچسب‌گذاری عارضه‌هایی تمرکز کنید که مساحت آن‌ها بزرگ‌تر از ۱۰ متر مربع است.درباره AlphaEarth Foundations بیشتر بدانید.
محدودیت‌ها
- اولین سالی که می‌توانید برای آن لایه طبقه‌بندی ایجاد کنید ۲۰۱۷ است.
- این ابزار طبقه‌بندی‌هایی برای مربع‌های ۱۰ متری تولید می‌کند. اشیاء کوچک‌تر از این، مانند خودروهای پارک‌شده، آلونک‌های حیاط خلوت، و درختان کوچک تکی، احتمالاً شناسایی و طبقه‌بندی نمی‌شوند.