ДОСЛІДЖЕННЯ ЗАСТОСУВАННЯ ШТУЧНОГО ІНТЕЛЕКТУ (GEOAI) ДЛЯ ЗАВДАНЬ ТОПОГРАФІЧНОГО КАРТОГРАФУВАННЯ
DOI:
https://doi.org/10.32347/2786-7269.2024.8.430-443Ключові слова:
геоінформаційна система, геопросторові дані, штучний інтелект, топографічне картографування, GeoAI, AI, класифікаціяАнотація
Проаналізовано основні напрями застосування штучного інтелекту (Artificial intelligence – AI) для завдань топографічного картографування на прикладі шістьох проєктів, в рамках яких було реалізовано функції із застосуванням штучного інтелекту. Також було сформовано основні цілі, проблеми, виклики, підходи та методи, які дозволяють автоматизувати процеси створення та оновлення геопросторових даних і підвищити якість цих даних.
Метою статті є дослідження застосування інструментів на основі технології штучного інтелекту для завдань топографічного картографування.
Інтеграція AI та геопросторового штучного інтелекту (Geospatial Artificial Intelligence – GeoAI) в топографічне картографування та містобудівний моніторинг призвела до значних досягнень у точності, ефективності та обсягах даних для геопросторового аналізу, який можна виконати значно зекономивши час і ресурси. Розглянуті проєкти у цій статті демонструють потенціал цих технологій, проте вирішення викликів, пов’язаних з якістю даних, інтерпретацією моделей та етичними питаннями, є критичним для продовження успішного впровадження та використання рішень, керованих моделей AI у геоінформаційному середовищі.
Посилання
Lazorenko-Hevel, N., Karpinskyi, Y., & Kin, D. (2021). Some peculiarities of creation (updating) of digital topographic maps for the seamless topographic database of the main state topographic map in Ukraine. Geoingegneria Ambientale e Mineraria, 162(1), 19-24. DOI: 10.19199/2021.162.1121-9041.019. {in English}
Zhang, Yifan, Zhengting He, Jingxuan Li, Jianfeng Lin, Qingfeng Guan, Wenhao Yu. (2024). MapGPT: An Autonomous Framework for Mapping by Integrating Large Language Model and Cartographic Tools. DOI: 10.48550/arXiv.2401.07314. {in English}
Robinson, A.C., Çöltekin, A., Griffin, A.L., & Ledermann, F. (2023). Cartography in GeoAI: Emerging Themes and Research Challenges. In Proceedings of the 6th ACM SIGSPATIAL International Workshop on AI for Geographic Knowledge Discovery (pp. 1-2). DOI: 10.1145/3615886.3627734. {in English}
Sloan, S., Talkhani, R.R., Huang, T., Engert, J., & Laurance, W. F. (2024). Mapping Remote Roads Using Artificial Intelligence and Satellite Imagery. Remote Sensing, 16(5), 839. DOI: 10.3390/rs16050839. {in English}
Li, W., & Hsu, C.Y. (2022). GeoAI for large-scale image analysis and machine vision: Recent progress of artificial intelligence in geography. ISPRS International Journal of Geo-Information, 11(7), 385. DOI: 10.3390/ijgi11070385. {in English}
Scheider, S., & Richter, K.F. (2023). GeoAI. KI-Künstliche Intelligenz, 37(1), 5-9. DOI: 10.1007/s13218-022-00797-z. {in English}
Song, Y., Kalacska, M., Gašparović, M., Yao, J., & Najibi, N. (2023). Advances in geocomputation and geospatial artificial intelligence (GeoAI) for mapping. International Journal of Applied Earth Observation and Geoinformation, 103300. DOI: 10.1016/j.jag.2023.103300. {in English}
Li, H., Liu, J., & Zhou, X. (2018). Intelligent map reader: A framework for topographic map understanding with deep learning and gazetteer. IEEE Access, 6, 25363-25376. DOI: 10.1109/ACCESS.2018.2823501. {in English}
Usery, E.L., Arundel, S.T., Shavers, E., Stanislawski, L., Thiem, P., & Varanka, D. (2022). GeoAI in the US Geological Survey for topographic mapping. Transactions in GIS, 26(1), 25-40. DOI: https://doi.org/10.1111/tgis.12830. {in English}
Biljecki, F. (2023). GeoAI for Urban Sensing. In S. Gao, Y. Hu, & W. Li (Eds.), Handbook of Geospatial Artificial Intelligence (pp. 351-366). CRC Press. DOI: https://doi.org/10.1201/9781003308423-17.{in English}
The National Land Survey of Finland. (2023). Advanced Technology for National Topographic Map Updating (ATMU) Project. URL: https://www.maanmittauslaitos.fi/en/topical_issues/training-data-artificialintelligence-available-open-data. (access date on: 10.06.2024). {in English}
Lingli Zhu, Jere Raninen, Emilia Hattula. (2023). How the National Land Survey of Finland is Exploring AI Technology GIM. URL: https://www.giminternational.com/content/article/how-the-national-land-survey-of-finland-isexploring-ai-technology (access date on: 10.06.2024). {in English}
Swiss Federal Institute of Technology Lausanne (EPFL). (2023). AI for Land Cover Mapping. URL: https://www.stdl.ch/de/Innovation-news-de/12.12.23--AI-for-Environmental-Monitoring%253A-The-Future-of-Land-Cover-Maps.htm. (access date on: 10.06.2024). {in English}
Sullivan, N. (2019). GIS, Drone Mapping, and Artificial Intelligence (AI): The High Tech Behind Business Results. Mapware Blog. https://mapware.com/blog/gis-drone-mapping-and-artificial-intelligence-ai-the-hightech- behind-business-results (access date on: 10.06.2024). {in English}
European Space Agency. (2023). AI in Earth observation: a force for good. URL: https://www.esa.int/Applications/Observing_the_Earth/AI_in_Earth_observation_a_force_for_good. (access date on: 10.06.2024). {in English}
Canada Centre for Mapping and Earth Observation. (2023). Enhancing Geospatial Data Capabilities with AI. URL: https://geo.ca/initiatives/geobase/geoai/. (access date on: 10.06.2024). {in English}
Ronneberger, O., Fischer, P., & Brox, T. (2015). U-net: Convolutional networks for biomedical image segmentation. In Medical image computing and computer-assisted intervention–MICCAI 2015: 18th international conference, Munich, Germany, October 5-9, 2015, proceedings, part III 18 (pp. 234-241) Springer International Publishing. DOI: https://doi.org/10.48550/arXiv.1505.04597. {in English}
Abdollahi, A., Pradhan, B., & Alamri, A. (2021). RoadVecNet: a new approach for simultaneous road network segmentation and vectorization from aerial and google earth imagery in a complex urban set-up. GIScience & Remote Sensing, 58(7), 1151-1174. DOI: https://doi.org/10.1080/15481603.2021.1972713. {in English}
Yu, X., Fan, J., Chen, J., Zhang, P., Zhou, Y., & Han, L. (2021). NestNet: A multiscale convolutional neural network for remote sensing image change detection. International Journal of Remote Sensing, 42(13), 4898-4921. DOI: http://dx.doi.org/10.1080/01431161.2021.1906982. {in English}
An overview of the GeoAI toolbox. (2024). ESRI. URL: https://pro.arcgis.com/en/pro-app/latest/tool-reference/geoai/an-overview-of-thegeoai-toolbox.htm. (access date on: 10.06.2024) {in English}
QGIS. (2024). QGIS plugins web portal. URL: https://plugins.qgis.org/. (access date on: 10.06.2024). {in English}
OGC Training Data Markup Language for Artificial Intelligence (TrainingDML-AI) Part 1: Conceptual Model Standard [Elektronnyi resurs] Rezhym dostupu do resursu: OGC Training Data Markup Language for Artificial Intelligence (TrainingDML-AI) Part 1: Conceptual Model Standard. (data zvernennia: 10.06.2024). {in English}
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
