Modele sztucznej inteligencji o wysokiej dokładności klasyfikują mapowanie topograficzne szybciej niż tradycyjne

Indonezja, państwo składające się z ponad 17 000 wysp rozciągających się na obszarze 1,9 miliona kilometrów kwadratowych, stoi przed poważnym wyzwaniem stworzenia szczegółowych map, które wspomogą realizację celów rozwojowych.

Ponieważ mapy topograficzne na dużą skalę (skala 1:5000) pokrywają zaledwie 31 TP3T powierzchni kraju, tradycyjne metody, takie jak ręczne stereoskopowe tworzenie map i pomiary terenowe, są zbyt wolne, aby sprostać pilnym potrzebom w zakresie planowania urbanistycznego, zarządzania katastrofami i ochrony środowiska.

Przełomowe badanie opublikowane w Teledetekcja in 2025 oferuje rozwiązanie: strukturę głębokiego uczenia, która automatyzuje klasyfikację pokrycia terenu przy użyciu obrazów satelitarnych o bardzo wysokiej rozdzielczości.

Wyzwanie mapowania Indonezji Topografia

Rozmiar i złożoność Indonezji sprawiają, że mapowanie jest monumentalnym zadaniem. Agencja Informacji Geoprzestrzennej (BIG), odpowiedzialna za kartografię krajową, obecnie opracowuje rocznie 13 000 kilometrów kwadratowych map topograficznych.

W tym tempie zmapowanie całego kraju zajęłoby ponad wiek. Nawet jeśli wykluczymy obszary leśne, które zajmują prawie połowę Indonezji, ukończenie pozostałego terenu i tak zajęłoby 60 lat.

Ten powolny postęp koliduje z priorytetami narodowymi, takimi jak Polityka jednej mapy, wprowadzona w 2016 roku w celu ujednolicenia map w różnych sektorach i uniknięcia konfliktów w użytkowaniu gruntów. Skalowanie tej polityki do map w skali 1:5000 jest niezbędne, ale znacznie opóźnione.

Mapy topograficzne są szczegółowymi przedstawieniami naturalnych i stworzonych przez człowieka cech powierzchni Ziemi, w tym wysokości (wzgórza, doliny), zbiorników wodnych, dróg, budynków i roślinności.

Stanowią one podstawowe narzędzia do planowania infrastruktury, reagowania na katastrofy i monitorowania środowiska. W Indonezji tworzenie tych map w skali 1:5000 (gdzie 1 cm na mapie odpowiada 50 metrom na ziemi) ma kluczowe znaczenie dla precyzji w projektach takich jak budowa dróg czy modelowanie powodzi.

Dane dotyczące pokrycia terenu, podzbiór map topograficznych, odnosi się do fizycznego materiału na powierzchni Ziemi, takiego jak lasy, obszary miejskie lub woda. W przeciwieństwie do użytkowanie gruntów (opisuje w jaki sposób ludzie wykorzystują ziemię, np. strefy mieszkalne lub przemysłowe), koncentracja na obserwowalnych cechach terenu.

Dokładne mapy pokrycia terenu pomagają rządom śledzić wylesianie, monitorować rozrost miast i oceniać produktywność rolnictwa. Tradycyjnie analitycy ręcznie oznaczają te obiekty piksel po pikselu, korzystając ze zdjęć lotniczych lub satelitarnych, co jest procesem czasochłonnym i podatnym na błędy ludzkie.

Na przykład identyfikacja dróg lub małych budynków w gęsto zaludnionych obszarach miejskich może zająć wiele dni skrupulatnej pracy. Badanie z 2025 roku rozwiązuje ten problem, zastępując ręczne działania sztuczną inteligencją, a w szczególności głębokim uczeniem, w celu automatyzacji klasyfikacji pokrycia terenu.

Analiza obrazów satelitarnych oparta na sztucznej inteligencji 

Badania skupiły się na mieście Mataram, małym, ale zróżnicowanym obszarze miejskim na wyspie Lombok, jako przypadku testowym. Zespół wykorzystał Zdjęcia satelitarne Plejad z 2015 r., obejmujące dane panchromatyczne o wysokiej rozdzielczości (0,5 metra) i dane multispektralne (2 metry).

Obrazy panchromatyczne rejestrują drobne szczegóły przestrzenne w skali szarości, natomiast obrazy wielospektralne dostarczają informacji o kolorze i podczerwieni w określonych zakresach długości fal (np. czerwony, zielony, niebieski, bliska podczerwień).

Aby połączyć te atuty, naukowcy zastosowali technikę zwaną pan-sharpening, która łączy dane w skali szarości o wysokiej rozdzielczości z obrazami kolorowymi o niższej rozdzielczości. Proces ten pozwolił uzyskać ostre, szczegółowe obrazy o rozdzielczości 0,5 metra, idealne do wykrywania małych obiektów, takich jak drogi czy pojedyncze budynki.

Wyostrzanie panoramiczne jest niezwykle istotne, ponieważ pozwala zachować bogate informacje widmowe zawarte w danych wielospektralnych, a jednocześnie zwiększyć przejrzystość przestrzenną, dzięki czemu kolory dokładnie odpowiadają cechom fizycznym.

Następnie zespół wyodrębnił z obrazów dodatkowe informacje, aby poprawić dokładność klasyfikacji. Obliczyli Znormalizowany Różnicowy Wskaźnik Roślinności (NDVI), miarę kondycji roślin, opartą na odbiciu światła bliskiej podczerwieni (NIR) i czerwonego.

Zdrowa roślinność odbija więcej światła bliskiej podczerwieni i pochłania więcej światła czerwonego dzięki aktywności chlorofilu. Formuła $\text{NDVI}=(\text{NIR}-\text{Czerwony})/(\text{NIR}+\text{Czerwony})$ generuje wartości pomiędzy -1 i 1, gdzie wyższe wartości oznaczają gęstszą, zdrowszą roślinność.

Wskaźnik NDVI jest nieoceniony w rozróżnianiu lasów, gruntów rolnych i miejskich terenów zielonych. Na przykład, w tym badaniu, NDVI pomógł odróżnić bujne plantacje od gołej gleby.

Analiza tekstury Był to kolejny kluczowy krok. Wykorzystując metodę statystyczną zwaną macierzą współwystępowania poziomów szarości (GLCM), naukowcy określili ilościowo wzorce w obrazach, takie jak szorstkość pól uprawnych w porównaniu z gładkością utwardzonych dróg.

GLCM działa poprzez analizę częstotliwości występowania w obrazie par pikseli o określonych wartościach i relacjach przestrzennych (np. przylegających do siebie w poziomie). Z tej macierzy wyliczane są takie metryki, jak jednorodność (jednolitość wartości pikseli), kontrast (lokalne wahania intensywności) i entropia (losowość rozkładu pikseli) są obliczane.

Te dane dotyczące tekstury pomogły modelowi sztucznej inteligencji odróżnić podobnie wyglądające typy pokrycia terenu — na przykład odróżnić drogi asfaltowe od fragmentów ciemnej gleby.

Aby uprościć dane, zespół zastosował Analiza głównych składowych (PCA), technika identyfikująca najistotniejsze wzorce w zbiorze danych. PCA redukuje redundancję poprzez przekształcanie skorelowanych zmiennych (np. wielu pasm tekstury) w mniejszy zestaw nieskorelowanych komponentów.

W tym badaniu PCA skondensowała pięć pasm tekstur do dwóch głównych składowych, zachowując jednocześnie 95% oryginalnych informacji. Usprawniło to dane wejściowe dla modelu głębokiego uczenia, poprawiając zarówno dokładność, jak i wydajność obliczeniową.

Głębokie uczenie U-Net dla pokrycia terenu Topografia

Podstawą badania był model głębokiego uczenia bazujący na architekturze U-Net, typie splotowej sieci neuronowej (CNN) powszechnie stosowanej w zadaniach segmentacji obrazu.

Sieć U-Net, której nazwa pochodzi od kształtu litery U, składa się z dwóch głównych części: kodera, który analizuje obraz w celu wyodrębnienia cech hierarchicznych (np. krawędzi, tekstur) oraz dekodera, który rekonstruuje obraz przy użyciu etykiet poszczególnych pikseli.

Koder wykorzystuje warstwy splotowe i łączenie w pule do downsamplingu obrazu, rejestrując szerokie wzorce, podczas gdy dekoder upsamplinguje dane w celu przywrócenia rozdzielczości przestrzennej. Połączenia pomijające między warstwami kodera i dekodera zachowują drobne szczegóły, umożliwiając precyzyjne wykrywanie granic – cechę kluczową przy mapowaniu wąskich dróg lub budynków o nieregularnych kształtach.

Model wykorzystał szkielet sieci ResNet34 – wstępnie wytrenowaną sieć znaną ze swojej głębokości i wydajności. ResNet34 należy do rodziny sieci resztkowych, która wprowadza “połączenia skrótowe” w celu ominięcia warstw, łagodząc problem zanikającego gradientu (gdzie głębokie sieci mają trudności z nauką z powodu malejącej liczby aktualizacji podczas treningu).

Dzięki wykorzystaniu zdolności ResNet34 do rozpoznawania złożonych wzorców z ImageNet (ogromnej bazy danych obrazów), model wymagał mniej danych szkoleniowych i czasu na dostosowanie się do obrazów satelitarnych.

Do wytrenowania modelu potrzebnych było 1440 kafelków obrazu, każdy o rozmiarze 512×512 pikseli, obejmujących sześć klas pokrycia terenu: budynki, drogi, grunty rolne, grunty nieużytki, plantacje i zbiorniki wodne.

Zbiór danych charakteryzował się nierównowagą; drogi i zbiorniki wodne stanowiły odpowiednio zaledwie 3,7% i 4,2% próbek, podczas gdy budynki i grunty rolne stanowiły ponad 25% każdy. Pomimo tego wyzwania, model był trenowany przez ponad 200 epok – co stanowiło równowagę między dokładnością a kosztem obliczeniowym – przy rozmiarze partii wynoszącym 2 ze względu na ograniczenia pamięci.

Jakiś epoka odnosi się do jednego kompletnego przejścia danych szkoleniowych przez model, podczas gdy wielkość partii Określa liczbę próbek przetwarzanych przed aktualizacją parametrów modelu. Mniejsze rozmiary partii zmniejszają zużycie pamięci, ale mogą spowolnić proces uczenia.

Ulepszanie map za pomocą przetwarzania morfologicznego

Nawet najlepsze modele sztucznej inteligencji generują błędy, takie jak błędna klasyfikacja pojedynczych pikseli czy tworzenie postrzępionych krawędzi wokół obiektów. Aby temu zaradzić, naukowcy zastosowali przetwarzanie morfologiczne – technikę wygładzającą niedoskonałości za pomocą operacji takich jak erozja i dylatacja.

Erozja polega na usuwaniu cienkich warstw pikseli z granic obiektu, eliminując drobne, błędnie sklasyfikowane fragmenty, podczas gdy dylatacja polega na dodawaniu pikseli w celu rozszerzenia granic obiektu, wypełniając luki w liniowych formacjach, takich jak drogi.

Operacje te opierają się na elemencie strukturalnym (małej matrycy), który przesuwa się po obrazie, modyfikując wartości pikseli. Optymalny rozmiar jądra dla tych operacji (5×5 pikseli) został określony za pomocą analizy półwariancji, metody geostatystycznej, która kwantyfikuje wzorce przestrzenne w obrazie.

Półwariancja mierzy, jak bardzo wartości pikseli różnią się w zależności od odległości, pomagając zidentyfikować skalę, w której cechy tekstury (np. skupiska budynków) są najbardziej wyraźne.

Sztuczna inteligencja zwiększa szybkość i dokładność mapowania

Model osiągnął początkową dokładność 84% (wynik kappa = 0,79), która wzrosła do 86% (kappa = 0,81) po postprodukcji. wynik kappa (Kappa Cohena) mierzy zgodność przewidywanych i rzeczywistych klasyfikacji, uwzględniając przypadek.

Wynik 0,81 oznacza zgodność “prawie idealną”, przekraczając zakres 0,61–0,80 uważany za “znaczny”. Zbiorniki wodne i plantacje zostały sklasyfikowane z niemal idealną dokładnością (odpowiednio 97% i 96%), podczas gdy drogi – których dokładność była ograniczona przez ich wąski, liniowy kształt i cienie – osiągnęły wynik 85%.

Budynki i grunty rolne również wypadły dobrze, z wynikami F1 na poziomie 88% i 83%. Wynik F1, będący średnią harmoniczną precyzji i czułości, równoważy wyniki fałszywie dodatnie i fałszywie ujemne, co czyni go idealnym do oceny niezrównoważonych zbiorów danych.

Wzrost wydajności był jeszcze bardziej uderzający. Tradycyjne stereoskopowe nanoszenie map, polegające na ręcznym oznaczaniu obiektów na trójwymiarowych zdjęciach lotniczych, zajmuje dziewięć dni na arkusz mapy (5,29 km²) w przypadku budynków i roślinności.

Dzięki podejściu opartemu na sztucznej inteligencji czas ten skrócił się do 43 minut na arkusz – 250-krotnie. Szkolenie modelu początkowo zajęło 17 godzin, ale po jego ukończeniu mógł on klasyfikować rozległe obszary przy minimalnej ingerencji człowieka. Skalowanie tego systemu pozwoliłoby Indonezji mapować 9000 km² rocznie, skracając przewidywany czas realizacji z ponad wieku do zaledwie 15 lat.

Mapowanie AI wspiera globalną zrównoważoność

Konsekwencje wykraczają daleko poza Indonezję. Zautomatyzowana klasyfikacja pokrycia terenu wspiera globalne działania, takie jak Cele Zrównoważonego Rozwoju ONZ (SDG). Na przykład śledzenie wylesiania (SDG 15) lub ekspansji miast (SDG 11) staje się szybsze i dokładniejsze.

W regionach narażonych na katastrofy, np. na terenach zagrożonych powodzią, aktualne mapy umożliwiają identyfikację społeczności narażonych na niebezpieczeństwo i zaplanowanie dróg ewakuacyjnych.

Korzyści odnoszą również rolnicy; dokładne dane dotyczące pokrycia terenu umożliwiają prowadzenie precyzyjnego rolnictwa, optymalizację zużycia wody i plonów poprzez monitorowanie stanu gleby i stresu roślinności za pomocą wskaźnika NDVI.

Jednak wyzwania pozostają. Wydajność modelu w niedostatecznie reprezentowanych klasach, takich jak drogi, podkreśla potrzebę zrównoważonych danych treningowych. Przyszłe prace mogłyby uwzględnić transfer uczenia, technikę, w której model wstępnie wytrenowany w jednym zadaniu (np. ogólnym rozpoznawaniu obrazu) jest precyzyjnie dostrajany do konkretnego zastosowania (np. wykrywania dróg na zdjęciach satelitarnych).

Zmniejsza to potrzebę tworzenia ogromnych, oznaczonych zbiorów danych, których tworzenie jest kosztowne. Testowanie zaawansowanych architektur, takich jak U-Net3+, która usprawnia agregację cech w różnych skalach, lub modeli opartych na transformatorach (które doskonale sprawdzają się w rejestrowaniu zależności dalekiego zasięgu w obrazach), mogłoby dodatkowo zwiększyć dokładność.

Jednak integracja danych lidarowych (detekcji światła i pomiaru odległości) lub radarowych może również poprawić wyniki, zwłaszcza w regionach zachmurzonych, gdzie satelity optyczne mają trudności.

Wnioski: Nowa era w naukach geoprzestrzennych

To badanie stanowi punkt zwrotny w kartografii topograficznej. Dzięki automatyzacji klasyfikacji pokrycia terenu kraje mogą tworzyć dokładne mapy szybciej i taniej niż kiedykolwiek wcześniej. Dla Indonezji ta technologia to nie tylko wygoda – to konieczność, aby radzić sobie z szybką urbanizacją, chronić lasy i przygotować się na katastrofy związane ze zmianami klimatu.

Dzięki rozwojowi sztucznej inteligencji i technologii satelitarnej wizja mapowania w czasie rzeczywistym i o wysokiej rozdzielczości staje się realna, umożliwiając rządom i społecznościom budowanie bardziej zrównoważonej przyszłości.

Odniesienie: Hakim, YF; Tsai, F. Ekstrakcja pokrycia terenu oparta na uczeniu głębokim z obrazów satelitarnych o bardzo wysokiej rozdzielczości w celu wspomagania produkcji map topograficznych na dużą skalę. Remote Sens. 2025, 17, 473. https://doi.org/10.3390/rs17030473