GeoAI 是什麼？定義、範例與 QGIS 應用
發布於 更新於
GeoAI 是在地理資料上執行的機器學習：衛星與航照影像、點雲、向量圖層，由模型讀取後，交回您可以編輯的物件、類別或變遷資料。交回來的成果帶著您的專案 CRS，以圖層的形式出現，您在 QGIS 裡像開啟其他圖層一樣開啟它。它處理一件工作中段最耗時的部分，而它不替您做任何決定。
裡像開啟其他圖層一樣開啟它。它處理一件工作中段最耗時的部分，而它不替您做任何決定。它不是懂您專案的聊天機器人。它讀不懂客戶的規格書、您的屬性規則，也讀不懂您去年春天做的調查，裡面沒有任何東西可以取代地面真值。這個詞本身也很鬆：2005 年的隨機森林分類器和去年的分割模型都被拿來當 GeoAI 賣，所以當廠商用這個詞，先問他指的是哪一種，因為硬體帳單和失敗方式完全不同。
我們打造這個領域其中一款 QGIS 外掛，所以請帶著這個立場讀這篇文章。
為什麼重要
多數 GIS 案子最慢的部分是描圖。建角拉直、屋頂遮罩的破洞補起來、三百個樹冠一個節點一個節點慢慢圈。第一個小時之後，這種工作已經沒有手藝可言，而模型很擅長做它。
不是每個案子都適合。五十個圖徵以下，手動數化就好，因為您開著接合功能描完的時候，模型還在下載權重，而且手描的成果完全符合您的規格。牽涉法律的東西我也不會交給它，地籍界線、保護區、補償認定，因為模型給的是候選，候選不是測量。我守的線是 GeoAI 只做第一遍，絕不做最後一遍。
原理
您把一張圖交給訓練好的模型，它交回幾何。這件事有三個家族在做，行為各不相同。
分割模型像 Segment Anything 家族，學的是甲乙兩物在哪裡分開。它們在一般照片上訓練出來，對建築是做什麼用的毫無概念。只要邊界清楚，轉到影像上效果很好。SAM 指南有寫哪款 QGIS 外掛跑的是哪個版本。
圖生圖模型會捏造新的像素。雲去除、季節轉換、整地後空地示意圖都是這樣來的。輸出是同一範圍的 具地理參照的網格資料，而它是畫出來的，所以絕不能放進證據圖層。
傳統機器學習指隨機森林或支援向量機，一個像素一個像素讀波段值。二十年老技術，便宜，拿著自己的訓練多邊形做多光譜土地覆蓋，手上這招還是正解。SCP 和 dzetsaka 在 QGIS 裡免費做這件事。
現在大家拿它做什麼
五件工作，按我信任的順序排。
| 任務 | 模型家族 | 執行環境 |
|---|---|---|
| 從影像裡拉出物件 | 分割模型，Segment Anything 家族 | 本機顯示卡，或伺服器 |
| 土地覆蓋分類 | 傳統機器學習 | 任何筆電 |
| 比對兩個日期的變遷 | 分割模型，輸入一對影像 | 伺服器或顯示卡 |
| 補齊與整理資料 | 無模型，純幾何演算法 | 任何筆電 |
| 用白話提問 | 分割模型，以物件名稱作為 prompt | 伺服器，在我們的外掛裡 |
從影像裡拉出物件是目前強最多的一項。您圈一個範圍，說出您要什麼，拿回多邊形：建築、樹冠、車、游泳池、太陽能板。邊緣銳利，輪廓就乾淨。田界一路暈進灌木叢，那跟您親手描遇到的是同一個麻煩，模型也一樣卡。
土地覆蓋分類是把每個像素丟進一個類：水、建成地、裸土、森林。訓練多邊形夠好、波段夠齊的時候，老方法還是贏，而且任何筆電都跑得動。
比對兩個日期的變遷是將同一地點的兩張正射影像交給模型，讓它標示出發生變動的區域。在供應商公開模型名稱的情況下，這是輸入兩張影像而非一張的分割模型：Picterra 將其命名為 ChangeStar，而 Esri 的變更偵測器則提到 STANet。多家供應商販售變更偵測工具，卻從未說明內部採用什麼。免費方案完全不使用模型，而是將一張影像減去另一張影像。它適用於新建築或已清除的地塊等明顯變化。季節造成的色彩變化和不同的太陽角度會產生誤報，因此要安排逐一檢查每個標記結果。
補齊與整理資料涵蓋將建築物轉角修成直角、封閉屋頂遮罩中的孔洞，以及簡化逐像素描繪的輪廓。這是唯一一列不屬於三個家族中任何一個的情況。實際提供的工具是早於深度學習的幾何演算法：QGIS 使用 Simplify and Orthogonalize，Esri 使用 Regularize Building Footprint。研究中已有學習式版本，但目前沒有任何一種整合進 QGIS。不花俏，卻是最能節省工時的部分。
用白話提問指打 solar panels，不用自己選模型配波段。找東西好用。別指望它回答您屬性表的問題。
執行成本
**硬體。**本機模型要一張顯示卡。Segment Anything 3 完全沒有 CPU 路徑，所有 Mac 和所有用內顯的機器都出局。改跑伺服器，辦公室筆電就夠，這是我們當初做的取捨。
**影像。**地面解析度比模型型號更能決定成敗。我們自己調參抓的目標大概是太陽能板 0.05 m 每像素、車 0.09、建築 0.18。比這更粗，物件就是一團糊，沒有模型救得回來。
**時間。**偵測花幾分鐘。檢查花更久，估時不編檢查進去，死線一定爆。
**錢。**QGIS 免費選項不用錢，花的是您的 GPU 和一個下午的 Python。我們的方案每月提供 1.5 km² 的自動偵測，不用綁卡，另有在自己電腦上的點選分割，不設計數；Pro 方案的 AI Segmentation 每月 €39，未稅。Esri 這邊，現成的影像模型需要 ArcGIS Pro Professional 以上授權，QGIS 與 ArcGIS Pro 的比較為每種授權標出了價格。
在 QGIS 裡自己動手
先走免費路，因為這塊很多工作裡免費那條也是比較好的那條。拿著自己的訓練多邊形做多光譜土地覆蓋，SCP 和 dzetsaka 在 QGIS 裡免費分類，任何筆電都跑得動。
在自己機器上做分割是比較硬的那一半。免費外掛要顯示卡加一個下午的 Python，SAM 指南有寫誰跑哪個版本的模型。建物輪廓指南拿同一個街區走完免費路和付費路，您可以直接秤每條路花您多少。
雲端選項
下面的外掛是我們做的，所以這節寫的是我們自己的工具。
開啟外掛管理員
「外掛程式」→「管理並安裝外掛程式」。要 QGIS 3.22 或更新版本。
安裝 AI Segmentation
不用多裝別的，也不用組 Python 環境。
從面板登入
一個電子郵件加一次點擊。免費額度每月更新，不用卡。
在已開啟的影像上畫出區域
看得到的網格圖層都行：GeoTIFF、無人機正射影像、XYZ 底圖。免費帳號每月含 1.5 km² 地面。
輸入物件名稱，然後檢視
building、tree、car。按信心分數和大小過濾，修掉錯的，匯出 GeoPackage。
然後把跑出來的東西，跟您手動數化的比一比。只有這個比試算數。
記住什麼
GeoAI 是在地理資料上跑的機器學習，交回來的是您專案 CRS 裡的一個圖層，不是對您專案的答案。
五十個圖徵上下，手動數化。您描完的時候模型還在下載權重，而且成果完全合您的規格。
模型交的是候選，候選不是測量，所以地籍界線、保護區、補償認定都要手查過的圖層。
Segment Anything 3 完全沒有 CPU 路徑，本機執行的話所有 Mac 和所有用內顯的機器都出局。
地面解析度比模型型號更能決定成敗，也沒有單一準確率數字，因為準確率跟著您的影像和您要擷取的東西走。
網路上的說法錯在哪裡
**單一準確率數字。**準確率跟著您的影像和您要擷取的東西走。有人拿一個數字套用到全部，那是行銷數字。
**訓練資料沒看過您的區域。**現成的建築圖資是最清楚的例子。同樣一平方公里的 Luanda，在 OpenStreetMap 裡是空的，Microsoft 有 3,140 個建物輪廓，Google Open Buildings 有 4,468 個。
**「本機執行，資料絕不離開電腦。」**小模型跑在自己機器上，是真的。每種雲端模式都會把影像送到某處，我們的也一樣，老實說您現在用的是哪種模式就好。
**輸出可以直接交件。**每次執行交回來的都比您要的多：通風口、天窗、陰影、院子裡的棚子。都是輪廓正確的真實物件，但不是您要的東西。請把清理的時間編進去。
大家常問
GeoAI 跟遙測是一回事嗎？
不是。遙測是量測。GeoAI 是讀那份量測的方法之一，旁邊還有指標、閾值和您自己的眼睛。
要寫程式嗎？
傳統路線要一些。在 QGIS 裡做分割不用，外掛都包好了。同條管線要跑幾百幅圖的時候，Python 還是贏，而用 Python 操作 QGIS 靠的是 PyQGIS。
要 GPU 嗎？
只跑自己機器的模型才要。Segment Anything 3 完全沒有 CPU 路徑，Mac 或內顯筆電在地端跑不動。伺服器端的工具不用。
GeoAI 有多準？
沒有單一數字，因為準確率跟著您的影像和您要擷取的東西走。預期每次執行交回來的都比您要的多，建築裡混著通風口、天窗和院子棚子，清理的時間先編好。
最後拿到什麼？
帶標籤、類別、信心分數和面積的多邊形，在您的專案 CRS 裡。我們的分割外掛寫成帶好樣式的 GeoPackage。檢查還是您的。
要查相鄰名詞，什麼是建物輪廓講的是 GeoAI 最常擷取的物件，QGIS AI hub列出這個領域每款外掛跑起來之前要什麼。
