GeoAI是什么？QGIS用户都能看懂的实用指南
GeoAI 是运行在地理数据上的机器学习，包括卫星和航拍影像、点云以及矢量图层。模型读取像素，然后将对象、类别或变化作为数据返回，让你可以在 
中编辑。它负责处理工作中缓慢的中间环节，但不会替你做决定。
我们开发这个领域中的一个 QGIS 插件，因此请记住这篇文章的作者立场。
GeoAI 不是什么
它不是一个了解你项目的聊天机器人。它不会读取客户的规格说明、属性规则，也不会理解你去年春天完成的测量工作。任何 GeoAI 都无法取代实地真值。
这个词本身也很宽泛。2005 年的随机森林分类器和去年的分割模型，都可能被称为 GeoAI。供应商使用这个词时，要问清楚他们具体指什么，因为硬件成本和失败模式完全不同。
它今天能做的五件事
从影像中提取对象。 这是目前最成熟的用途，而且明显领先于其他用途。你框选一个区域，说明想找什么，就能在项目 CRS 中得到多边形。建筑物、树冠、汽车、泳池、太阳能阵列都可以。边缘清晰时，轮廓会很干净。与灌木丛逐渐融为一体的田地边界，对模型来说和对你来说一样难。
土地覆盖分类。 每个像素都会获得一个类别：水体、建筑区、裸土、森林。当你拥有高质量的训练多边形和多光谱波段时，较老的方法在这里仍然很有优势，而且任何笔记本电脑都能运行。
识别两个日期之间的变化。 输入同一地点的两张正射影像，模型会标记发生变化的位置。对于新建筑或被清理的地块等明显变化，它的效果不错。但季节性色彩变化和不同的太阳角度会产生误报，因此要计划好逐一检查所有标记。
补全和整理数据。 修正建筑物直角、填补屋顶掩膜中的空洞、简化逐像素描绘的轮廓。这些工作不光鲜，却是最能节省时间的部分。
用自然语言提问。 直接输入 solar panels，而不是挑选模型和波段组合。它适合查找对象，但不要期待它回答属性表相关的问题。
模型从哪里来
主要有三类，它们的表现各不相同。
分割模型，例如 Segment Anything 系列，学习一个对象在哪里结束、下一个对象在哪里开始。它们使用普通照片训练，因此并不知道建筑物是什么。只要边界清晰，它们迁移到地理影像上的效果就很好。SAM 指南介绍了不同 QGIS 插件运行的版本。
图像到图像模型会生成新的像素。云层去除、季节变化和已清理场地的视图，都是通过这种方式实现的，正如 AI Edit 中所展示的那样。输出是在相同范围内生成的地理配准栅格，它本质上是一幅绘图，因此永远不应放进证据图层。
经典机器学习指的是随机森林或支持向量机逐个像素读取波段值。这类方法已经存在二十年，成本低廉。对于使用自有训练多边形的多光谱土地覆盖分类，它依然是正确选择。SCP 和 dzetsaka 可以在 QGIS 中免费完成这类工作。
实际成本是多少
硬件。 本地模型需要显卡。Segment Anything 3 完全没有 CPU 路径，这意味着所有 Mac 和使用集成显卡的设备都无法运行它。如果模型改为在服务器上运行，普通办公笔记本就够用了，这正是我们做出的取舍。
影像。 地面分辨率的影响往往比模型更大。我们的调优目标是太阳能板约 0.05 m/像素，汽车约 0.09，建筑物约 0.18。再粗糙下去，对象就会变成任何模型都无法恢复的模糊斑块。
时间。 检测需要几分钟。复核需要更长时间。任何将复核排除在估算之外的人，最后都会错过截止日期。
费用。 免费的 QGIS 选项不收费用，但需要你提供 GPU 和一个 Python 下午时间。我们的服务每月提供 200 次自动检测，不需要显卡，还支持在自己的设备上无限次点击分割。Pro 方案中，AI Edit 每月 €29，AI Segmentation 每月 €39，两者组合每月 €59，以上价格均不含增值税。
四个值得质疑的说法
一个单一的准确率数字。 准确率会随着影像和提取对象的不同而变化。任何针对所有场景只引用一个数字的人，引用的都是营销数字。
从未见过你所在区域的训练数据。 现成的建筑图层就是最明显的例子。Luanda 的同一个平方公里，在 OpenStreetMap 中没有任何数据，Microsoft 提供 3,140 个建筑轮廓，而 Google Open Buildings 提供 4,468 个。
“在本地运行，你的数据永远不会离开电脑。” 如果是运行在你自己设备上的小型模型，这句话成立。所有云端模式都会把影像发送到某个地方，我们的服务也一样。诚实的做法是说清楚你使用的是哪种模式。
可以直接交付的输出。 每次运行返回的内容都会比你要求的更多：通风口、天窗、阴影、庭院棚屋。它们可能是真实对象，轮廓也可能正确，但并不是你想要的对象。要为清理工作预留时间。
我不会在哪里使用它
少于五十个要素时，手动数字化。打开捕捉功能，你会在模型下载权重之前完成，而且结果会完全符合规格说明。对于任何法律相关内容，我也会避开 GeoAI，例如地籍边界、保护区或赔偿申请。模型给你的是候选结果，而候选结果不是测量成果。我的底线是，GeoAI 应该用于第一轮处理，绝不能用于最后确认。建筑轮廓指南在同一个街区上展示了这两种路径。
十分钟内在 QGIS 中运行
打开插件管理器
Plugins -> Manage and Install Plugins。需要 QGIS 3.22 或更高版本。
安装 AI Segmentation
不需要下载其他内容，也不需要构建 Python 环境。
从面板登录
输入邮箱并点击确认即可。免费额度每月续期，无需银行卡。
在已经打开的影像上绘制区域
任何可见栅格都可以使用：GeoTIFF、无人机正射影像或 XYZ 底图。免费账户最多可绘制 15 km²。
输入对象，然后进行复核
building、tree、car。按置信度和大小筛选，修正错误结果，然后导出 GeoPackage。
将输出结果与手动数字化的预期结果进行对比。这是唯一能得出结论的测试。
常见问题
GeoAI 和遥感是同一回事吗？ 不是。遥感是测量，GeoAI 是读取这些测量结果的一种方式，此外还有指数、阈值和你自己的判断。
我需要写代码吗？ 如果走经典机器学习路径，需要写一些代码。如果是在 QGIS 中进行分割，则不需要，插件已经覆盖了这部分工作。当你需要对数百个瓦片运行同一套流程时，Python 仍然更有优势。
我需要 GPU 吗？ 只有在模型运行于自己的设备上时才需要。服务端工具不需要 GPU。QGIS AI 中心列出了每种选项的要求。
最后会得到什么？ 你会在项目 CRS 中得到带有标签、类别、置信度分数和面积的多边形。AI Segmentation会将它们写入带样式的 GeoPackage。复核仍然由你负责。
