GeoAI in QGIS: cos'è e come usarla per estrarre dati geografici
La GeoAI è il machine learning applicato ai dati geografici: immagini satellitari e aeree, nuvole di punti, layer vettoriali. Un modello legge i pixel e restituisce oggetti, classi o cambiamenti sotto forma di dati che puoi modificare in 
. Gestisce la parte lenta del lavoro. Non decide al posto tuo.
Sviluppiamo uno dei plugin QGIS in questo settore, quindi leggi questo articolo sapendo chi lo ha scritto.
Cosa non è la GeoAI
Non è un chatbot che conosce il tuo progetto. Non legge le specifiche del cliente, le regole degli attributi o il rilievo che hai fatto la primavera scorsa. Nulla al suo interno sostituisce i dati di riferimento sul campo.
Anche il termine è generico. Un classificatore random forest del 2005 e un modello di segmentazione dell'anno scorso vengono entrambi venduti come GeoAI. Quando un fornitore usa questo termine, chiedi a quale modello si riferisce, perché i costi hardware e i tipi di errore sono diversi.
Le cinque cose che fa oggi
Estrarre oggetti dalle immagini. È di gran lunga l'applicazione più efficace. Delimiti un'area, indichi cosa vuoi e ottieni poligoni nel CRS del tuo progetto. Edifici, chiome degli alberi, automobili, piscine, impianti solari. I bordi netti producono contorni puliti. Un confine di campo che sfuma nella boscaglia crea al modello lo stesso problema che crea a te.
Classificare la copertura del suolo. Ogni pixel riceve una classe: acqua, area edificata, suolo nudo, foresta. I metodi più vecchi vincono ancora quando hai buoni poligoni di addestramento e bande multispettrali, e funzionano su qualsiasi laptop.
Individuare i cambiamenti tra due date. Due ortofoto dello stesso luogo, e il modello segnala cosa è cambiato. Funziona sui cambiamenti evidenti come un nuovo edificio o un lotto sgomberato. I cambiamenti stagionali dei colori e un diverso angolo del sole producono falsi allarmi, quindi prevedi di controllare ogni segnalazione.
Completare e sistemare i dati. Squadrare gli angoli degli edifici, chiudere i buchi in una maschera del tetto, semplificare un contorno tracciato pixel per pixel. Non è un lavoro entusiasmante, ma è quello che fa risparmiare più ore.
Fare richieste in linguaggio naturale. Scrivere solar panels invece di scegliere un modello e una combinazione di bande. È utile per trovare gli oggetti. Non aspettarti che risponda alle domande sulla tua tabella degli attributi.
Da dove arrivano i modelli
Ci sono tre famiglie, e si comportano in modo diverso.
Modelli di segmentazione come quelli della famiglia Segment Anything imparano dove finisce una cosa e ne inizia un'altra. Sono stati addestrati su fotografie comuni, quindi non sanno che cosa sia un edificio. Si adattano bene alle immagini quando il confine è netto. La guida a SAM spiega quali plugin QGIS eseguono ciascuna versione.
Modelli da immagine a immagine inventano nuovi pixel. È così che funzionano la rimozione delle nuvole, il cambiamento stagionale e le viste di aree sgomberate in AI Edit. L'output è un raster georeferenziato sulla stessa estensione, ed è un disegno, quindi non deve mai finire in un layer di evidenze.
Machine learning classico significa un random forest o una support vector machine che legge i valori delle bande, un pixel alla volta. Ha vent'anni, costa poco ed è ancora la scelta giusta per la copertura del suolo multispettrale con i tuoi poligoni di addestramento. SCP e dzetsaka lo eseguono gratuitamente dentro QGIS.
Quanto costa davvero
Hardware. Un modello locale ha bisogno di una scheda grafica. Segment Anything 3 non ha alcun percorso CPU, quindi esclude ogni Mac e ogni macchina con grafica integrata. Quando il modello viene eseguito su un server, basta un laptop da ufficio, ed è questo il compromesso che abbiamo scelto.
Immagini. La risoluzione al suolo conta più del modello. Le nostre regolazioni puntano a circa 0.05 m per pixel su un pannello solare, 0.09 su un'automobile e 0.18 su un edificio. A una risoluzione più bassa, l'oggetto diventa una macchia che nessun modello riesce a recuperare.
Tempo. Il rilevamento richiede alcuni minuti. La revisione richiede più tempo, e chi la esclude dalla stima finirà per mancare la scadenza.
Denaro. Le opzioni QGIS gratuite costano solo la tua GPU e un pomeriggio di lavoro con Python. La nostra soluzione offre 200 rilevamenti automatici al mese senza scheda, oltre alla segmentazione illimitata tramite clic sulla tua macchina, e Pro costa €29 al mese per AI Edit, €39 per AI Segmentation, €59 per entrambi, tutti esclusa IVA.
Provalo gratis in QGIS, senza carta di credito
Quattro promesse da mettere in dubbio
Un solo numero di accuratezza. L'accuratezza cambia in base alle tue immagini e a ciò che estrai. Chi cita un unico valore per tutto sta citando un numero di marketing.
Dati di addestramento che non hanno mai visto la tua regione. I layer di edifici pronti all'uso sono il caso più evidente. Lo stesso chilometro quadrato di Luanda non contiene nulla in OpenStreetMap, 3,140 impronte di edifici da Microsoft e 4,468 da Google Open Buildings.
"Funziona localmente, i tuoi dati non lasciano mai il computer." È vero per un modello piccolo sulla tua macchina. Ogni modalità cloud invia le immagini da qualche parte, inclusa la nostra, e la cosa corretta è dire in quale modalità ti trovi.
Un output pronto per essere consegnato. Ogni esecuzione restituisce più di quanto hai chiesto: bocchette, lucernari, ombre, capanni nei cortili. Oggetti reali con contorni corretti, ma non quelli che volevi. Metti in conto la pulizia dei dati.
Quando non la userei
Sotto le cinquanta entità, digitalizza a mano. Attiva lo snapping e avrai finito prima che un modello scarichi i suoi pesi, con un risultato che corrisponde esattamente alle tue specifiche. La terrei lontana anche da tutto ciò che ha valore legale: un confine catastale, una zona protetta, una richiesta di risarcimento. Un modello ti dà un candidato, e un candidato non è un rilievo. Il limite che mi sono imposto è che la GeoAI appartiene alla prima fase e mai all'ultima. La guida alle impronte degli edifici mostra entrambi i percorsi sullo stesso quartiere.
Eseguila in QGIS in dieci minuti
Apri il gestore dei plugin
Plugin -> Gestisci e installa plugin. QGIS 3.22 o versioni successive.
Installa AI Segmentation
Non viene scaricato altro e non devi creare alcun ambiente Python.
Accedi dal pannello
Un indirizzo email e un clic. La quota gratuita si rinnova ogni mese e non richiede una carta.
Disegna una zona su un'immagine già aperta
Funziona qualsiasi raster visibile: un GeoTIFF, un'ortofoto da drone, una base XYZ. Gli account gratuiti possono disegnare fino a 15 km².
Inserisci l'oggetto, poi revisiona
building, tree, car. Filtra per confidenza e dimensione, correggi ciò che non va ed esporta un GeoPackage.
Confronta il risultato con ciò che avresti digitalizzato a mano. È l'unico test che permette di decidere.
Domande
La GeoAI è la stessa cosa del telerilevamento? No. Il telerilevamento è la misurazione. La GeoAI è un modo per interpretarla, insieme agli indici, alle soglie e ai tuoi occhi.
Devo scrivere codice? Per il percorso classico, in parte. Per la segmentazione in QGIS, no: se ne occupano i plugin. Python resta la scelta migliore quando esegui la stessa pipeline su centinaia di tile.
Mi serve una GPU? Solo per i modelli che vengono eseguiti sulla tua macchina. Gli strumenti lato server non ne hanno bisogno. Il centro QGIS AI indica cosa richiede ogni opzione.
Che cosa ottengo alla fine? Poligoni con un'etichetta, una classe, un punteggio di confidenza e un'area, nel CRS del tuo progetto. AI Segmentation li scrive in un GeoPackage con stile. La revisione resta a tuo carico.
