אפשר להשתמש בכלי לזיהוי שינויים track_changes כדי לזהות במהירות שינויים בפני כדור הארץ לאורך זמן ולהציג אותם באופן חזותי.
במקום לחפש את ההבדלים באופן ידני, הכלי הזה משתמש במודל AI כדי להשוות בין נתונים גיאו-מרחביים משתי שנים שונות. המערכת יוצרת באופן אוטומטי מפת חום שמדגישה אזורים שבהם חלו שינויים, כמו פיתוח עירוני או שינויים סביבתיים וחקלאיים.
אחר כך אפשר להשתמש במפת החום כדי לזהות אזורים מעניינים לחקירה, ולהבין איזה סוג של שינוי התרחש באמצעות תמונות היסטוריות או תוכן היסטורי של Street View.
איך זה עובד
הכלי לזיהוי שינויים מבוסס על AlphaEarth Foundations, מאגר נתונים של הטמעת נתוני לוויין, מודל AI גלובלי ייעודי שמזהה דפוסים ייחודיים בנתונים גיאו-מרחביים. בניגוד לתמונות היסטוריות רגילות, שבהן צריך להחליף בין תאריכים כדי לזהות הבדלים, הכלי החדש הזה עושה את העבודה בשבילכם. הוא משתמש ב-AI כדי לשלב כמה מקורות נתונים של לוויינים ונתונים גיאו-מרחביים, כדי לכמת את השינוי בין שתי שנים.
הכלי הזה מחשב את השינוי ברמת הפיקסל, ובשכבה שמתקבלת מוצג באופן חזותי איפה התרחש שינוי בין שתי השנים ברזולוציה של 10 מטרים.
זיהוי שינויים לעומת תמונות היסטוריות
כדי לבצע ניתוח מוצלח, חשוב להבין את ההבדלים בין הכלים 'זיהוי שינוי' ו'תמונות היסטוריות'. הפונקציה detect change מאפשרת לזהות שינויים משנה לשנה ברמת הפיקסל, אבל תמונות היסטוריות הן עדיין כלי חשוב לזיהוי אופי השינוי. השימוש בשני הכלים האלה יחד מאפשר לעבור מזיהוי ברמה גבוהה לאימות חזותי מפורט בתהליך עבודה אחד.
| זיהוי שינויים | תמונות היסטוריות | |
|---|---|---|
| פונקציונליות של זיהוי שינויים | זיהוי אוטומטי של שינויים באמצעות הטמעות גיאו-מרחביות | בדיקה ויזואלית ידנית של השינוי |
| תמונות | הטמעות רב-אופניות, כולל תמונות אופטיות, רב-ספקטרליות, תרמיות ותמונות מכ"ם | קומפוזיציה אופטית של התמונות החזותיות הטובות ביותר שזמינות |
| רזולוציה מרחבית | הטמעות גלובליות עקביות ברזולוציה של 10 מ' | הטווח הוא מ-15 מ' (לוויין) עד 0.15 מ' (צילום אווירי ברזולוציה גבוהה) |
| תדירות זמנית | חלוקה לשנים בלבד | מרווחים לא סדירים (רמת הפירוט יכולה להיות חודשית) |
| טווח זמן | 2017-2025 | משתנה בהתאם למיקום, בדרך כלל לפני 2017 וחלק מהתוכן הוויזואלי עד היום |
יצירת שכבות מותאמות אישית לזיהוי שינויים
- פותחים פרויקט קיים או יוצרים פרויקט חדש ב-Google Earth.
לוחצים על
.הצגת תמונות היסטוריות track_changes זיהוי שינויים או כלים זיהוי שינויים, ואז תיפתח תיבת הדו-שיח של הכלי.
כדי להתחיל, צריך לשרטט פוליגון סביב אזור העניין או לבחור פוליגון קיים.
- בוחרים נקודות במפה כדי לשרטט אזור עניין.
- כדי להסיר נקודה, לוחצים על ביטול ביטול בפינה השמאלית העליונה.
- כדי לצייר מחדש את אזור העניין, לוחצים על רענון התחלה חדשה.
בוחרים שתי שנים להשוואה. הכלי תומך במרווחי זמן שנתיים בין 2017 ל-2025.
כדי להתחיל את תהליך הניתוח, לוחצים על יצירת שכבה. אפשר ליצור שכבה לשטח של עד 200 ק"מ2 (50,000 אקרים).
כשהניתוח מסתיים, שכבת נתונים מתווספת לחלונית תוכן המפה של הפרויקט. שכבת הנתונים הזו היא מפת חום שמציגה אזורים שבהם זוהה שינוי בין שתי השנים.
- בוחרים את שכבת הנתונים החדשה כדי לפתוח חלונית לבדיקה בצד שמאל. איך מנהלים שכבות של נתונים לזיהוי שינויים בסגנון ומשנים את הסגנון שלהן
אני רוצה לנסות עכשיו את Google Earth באינטרנט
אימות התוצאות
מודל ה-AI שמאחורי הכלי לזיהוי שינויים משלב הרבה סוגים של נתונים ממקורות גיאו-מרחביים ומלוויינים, ולכן יכול להיות שיוצגו אזורים עם שינויים שלא רלוונטיים לתהליך העבודה שלכם או שלא נראים בתמונות (כמו שינויים בלחות הקרקע, הצפות, שינויים בביומסה ועוד). מומלץ להשתמש בכלים הוויזואליים של Google Earth כדי לאמת את הממצאים:
- תמונות היסטוריות: כדאי לעבור לתמונות היסטוריות כדי לראות תמונות באיכות גבוהה משתי השנים שמשווים ביניהן, ולוודא שסוג השינוי רלוונטי.
- היסטוריה של Street View: אפשר לעבור לתצוגה ברמת הקרקע באמצעות Street View כדי לאשר את אופי השינוי (לדוגמה, כדי לוודא אם השינוי שזוהה הוא מחסן חדש או יער שנכרת).