Nīderlandē ir izstrādāta jauna, mērogojama pieeja kadastra kartēšanai, kas balstās uz dziļo mācīšanos un Zemes novērošanas (EO) attēliem. Pētnieki Jeroen Grift, Claudio Persello un Mila Koeva ir prezentējuši jaunu etalonu datu kopu – CadastreVision – un dziļās mācīšanās modeli – CadNet –, kas izstrādāti, lai risinātu ilggadēju problēmu zemes administrācijas jomā: precīzas kadastra robežu ekstrakcijas trūkumu no satelītattēliem un aerofotogrāfijām. Šī inovācija sola ievērojami paātrināt kadastra kartēšanu un veicināt drošu zemes tiesību reģistrāciju visā pasaulē.
Globāla problēma un risinājums
Drošas zemes tiesības ir būtiskas cīņā pret nabadzību, badu un nevienlīdzību, un tām ir centrālā loma vairāku Apvienoto Nāciju Organizācijas Ilgtspējīgas attīstības mērķu (SDG) sasniegšanā. Tiek lēsts, ka aptuveni 70 līdz 75% pasaules iedzīvotāju trūkst oficiālas zemes tiesību dokumentācijas. Lai risinātu šo izaicinājumu, FIG un Pasaules Banka ieviesa “mērķtiecīgas zemes administrācijas” (FFPLA) pieeju, kas balstās uz to, ka daudzas īpašuma robežas atbilst redzamām pazīmēm, piemēram, žogiem, ceļiem vai ēkām, kuras bieži ir identificējamas satelītattēlos.
Līdz šim dziļās mācīšanās metožu izmantošanu kadastra robežu ekstrakcijai kavēja liela, atvērta etalonu datu kopu trūkums, kas apvienotu Zemes novērošanas attēlus ar precīzām kadastra atsaucēm. Lielākā daļa pašreizējo pētījumu balstās uz mazām, lokalizētām datu kopām, kas ierobežo to mērogojamību un vispārināmību jaunās ģeogrāfiskās teritorijās.
CadastreVision: jauna etalonu datu kopa
Lai aizpildītu šo robu, pētnieki izstrādāja CadastreVision – lielu, atvērtu etalonu datu kopu, kas apvieno Nīderlandes kadastra atsauces datus ar augstas kvalitātes aerofotogrāfijām un satelītattēliem. Šī datu kopa ir izstrādāta dziļās mācīšanās modeļu apmācīšanai un testēšanai, nodrošinot standartizētu resursu, kas var paātrināt kadastra kartēšanu gan datu bagātos, gan datu trūcīgos reģionos.
CadastreVision ir unikāla ar to, ka ietver detalizētu kadastra robežu klasifikāciju – redzamās un neredzamās attēlos. Šī atšķirība ir ļoti svarīga, jo lielākā daļa dziļās mācīšanās modeļu pašlaik spēj noteikt tikai redzamās robežas. Izmantojot atvērtos Nīderlandes ģeotelpiskos datus, pētnieki identificēja topogrāfiskās iezīmes un salīdzināja tās ar kadastra robežām. Robežas, kas pārklājās ar topogrāfiskajiem objektiem, tika klasificētas kā redzamas. Saskaņā ar pilnīgu apstrādes posmu, kas aptvēra 90 Nīderlandes 10×10 km flīzes, 72.2% no kopējā kadastra robežu garuma varēja saskaņot ar redzamām topogrāfiskajām iezīmēm.
Datu kopas izveidei Nīderlande tika sadalīta 10×10 km flīzēs, no kurām tika atlasītas 90, lai atspoguļotu valsts daudzveidīgās kultūrainavas. Katrai flīzei tika savākti RGB attēli no dažādiem EO avotiem: augstas izšķirtspējas aerofotogrāfijas (8 un 25 cm), kā arī satelītattēli no SuperView (50 cm), PlanetScope (aptuveni 3 m) un Sentinel-2 (10 m).
CadNet: uzlabots dziļās mācīšanās modelis
CadNet ir īpaša AI programma, kas ir iemācījusies strādāt ar CadastreVision datiem, lai automātiski atrastu un uzzīmētu zemes robežas augstas izšķirtspējas attēlos. CadNet ir izstrādāta tā, lai labāk savienotu robežu gabalus un veidotu pilnīgākas līnijas, pat sarežģītās vietās, piemēram, pie veģetācijas vai neregulārām lauku malām. Tas nozīmē, ka tā veido tīrākas, labāk savienotas un precīzākas robežas, kurām pēc tam ir nepieciešams mazāk manuālu labojumu.
Pētījumi rāda, ka CadNet strādā labāk nekā iepriekšējās metodes, veidojot precīzākas un nepārtrauktākas robežu līnijas.
Nākotnē pētnieki plāno:
• Testēt CadNet ar visiem CadastreVision datiem, lai redzētu, cik labi tā darbojas visās Nīderlandes vietās.
• Pārbaudīt, vai šīs programmas var izmantot arī citās pasaules daļās, īpaši tur, kur trūkst precīzu kadastra datu. Tas palīdzētu cīņā pret nabadzību un badu, kā arī veicinātu dzimumu līdztiesību, nodrošinot visiem vienlīdzīgu piekļuvi zemes informācijai.
• Paplašināt datu bāzi ar vēl daudzveidīgākiem attēliem, lai AI programma spētu darboties vēl labāk dažādās vietās pasaulē.
• Izveidot sistēmu, kurā AI sāk veidot karti, bet cilvēks-eksperts to pārbauda un vajadzības gadījumā labo.
• Izveidot bezmaksas un pieejamus rīkus, ko ikviens (pētnieki, vietējās pašvaldības) varētu izmantot kadastra kartēšanai.
Foto: pa kreisi aktuālie kadastra dati, pa labi – MI modeļa radītie robežu dati
Atbildēt