Mengapa Tutupan Lahan Penting di Hulu
Dalam hulu migas, klasifikasi tutupan lahan dari citra satelit bukan masalah penelitian. Ini adalah masalah operasional. Anda perlu tahu apakah sebidang tanah tertentu adalah hutan, semak belukar, air, atau tanah terbuka karena klasifikasi itu menentukan analisis dampak lingkungan, demarkasi batas komunitas, kepatuhan regulasi, dan — di beberapa yurisdiksi — apakah Anda secara hukum diizinkan untuk beroperasi di sana sama sekali.
Konsekuensi dari kesalahan bukan regresi metrik. Ini adalah paparan regulasi atau penilaian dampak yang buruk yang membutuhkan berbulan-bulan untuk diperbaiki.
Saya membangun dan memelihara pipeline untuk masalah ini di Accenture, bekerja dengan klien hulu di Asia Tenggara. Apa yang berikut adalah pelajaran yang tidak muat di model card.
Masalah Ketidakseimbangan Kelas Bersifat Struktural
Citra satelit lapangan minyak terlihat kira-kira sama di mana-mana: tambalan besar tanah yang terganggu dan relatif seragam dikelilingi oleh bioma regional. Di Indonesia dan Malaysia, biasanya itu adalah hutan tropis. Di wilayah yang lebih kering, itu adalah semak atau padang rumput.
Konsekuensinya adalah dataset di mana kelas dominan (vegetasi regional) terdiri dari 80–90% piksel, kelas infrastruktur (jalan, pad, fasilitas) terdiri dari 1–5%, dan selebihnya — badan air, tanah terbuka, perkotaan — berada di antara keduanya.
Augmentasi data standar membantu tetapi tidak sepenuhnya mengkompensasi. Yang benar-benar berhasil:
Stratified patch sampling. Daripada mengambil sampel patch secara acak di seluruh scene, kami mengambil sampel berdasarkan label kelas: setiap batch pelatihan memiliki representasi minimum yang dijamin dari setiap kelas dalam taksonomi target. Ini membutuhkan pengetahuan distribusi kelas sebelum pengambilan sampel, yang berarti menjalankan classifier cepat dan akurasi rendah terlebih dahulu dan menggunakan prediksinya sebagai kerangka pengambilan sampel.
Loss berbobot kelas. Pembobotan frekuensi terbalik dalam fungsi loss adalah hal mendasar. Kami bereksperimen dengan varian focal loss (dari paper RetinaNet) tetapi menemukan pembobotan frekuensi terbalik biasa berkinerja lebih baik untuk taksonomi kami setelah stratified sampling diterapkan. Interaksi antara strategi sampling dan pembobotan loss lebih penting daripada salah satunya saja.
Menolak memperlakukan kelas langka sebagai opsional. Di awal proyek ada tekanan untuk menyederhanakan taksonomi — menggabungkan subtipe infrastruktur menjadi satu kelas "infrastruktur." Itu akan meningkatkan metrik headline. Itu juga akan menghancurkan kegunaan operasional output. Kami mempertahankan taksonomi yang terperinci dan menerima akurasi per-kelas yang lebih rendah untuk kelas langka dengan imbalan membuatnya tetap terlihat.
Trade-Off Resolusi Bukan Teknis, Melainkan Ekonomis
Citra satelit tersedia dalam berbagai resolusi, dari 30m/piksel (Landsat, gratis) hingga 0.3m/piksel (penyedia komersial, mahal). Resolusi yang Anda pilih tidak hanya menentukan akurasi model tetapi seluruh struktur biaya sistem.
Untuk klasifikasi tutupan lahan tingkat lapangan, 10m/piksel (Sentinel-2, gratis) adalah batas praktis. Lebih kasar dari itu dan jalan menjadi tidak terlihat. Lebih halus dari itu dan biaya penyimpanan, prapemrosesan, dan inferensi tumbuh secara kuadratik.
Kami menggunakan pendekatan dua tahap: Sentinel-2 pada 10m untuk cakupan menyeluruh dan deteksi perubahan, citra Pleiades atau Maxar pada 0.5–0.3m untuk inspeksi bertarget area yang ditandai. Tahap deteksi perubahan murah; tahap inspeksi resolusi tinggi mahal tetapi hanya diterapkan pada sebagian kecil dari total area.
Pelajaran di sini bukan teknis: ini adalah bahwa pemilihan resolusi adalah keputusan produk, bukan keputusan ilmu data. Seseorang harus memutuskan presisi apa yang benar-benar dibutuhkan konsumen operasional dan berapa banyak yang bersedia mereka bayar. Ilmuwan data yang membiarkan keputusan ini default ke "gunakan data terbaik yang tersedia" berakhir dengan pipeline yang tidak dapat digunakan dalam produksi.
Pergeseran Domain Tidak Terhindarkan; Rencanakan untuk Itu
Model yang dilatih pada citra dari satu situs atau satu musim akan menurun pada citra dari situs yang berbeda, musim yang berbeda, atau setelah sensor dikalibrasi ulang. Ini bukan bug; ini adalah sifat data remote sensing.
Mode kegagalannya berbahaya: model terus menghasilkan output tanpa pesan error. Outputnya terlihat masuk akal. Mereka salah dengan cara yang hanya akan diperhatikan oleh pakar domain — batas hutan bergeser beberapa piksel, area yang baru dibersihkan salah diklasifikasikan sebagai kelas vegetasi sebelumnya, infrastruktur dalam konstruksi muncul sebagai tanah terbuka.
Yang berhasil:
Komposit temporal. Daripada mengklasifikasikan satu gambar, kami mengklasifikasikan komposit median dari dua belas bulan citra, menyaring awan. Ini mengurangi efek fenologi musiman dan variasi atmosfer. Ini juga membuat sistem hanya berguna untuk snapshot tahunan, bukan pemantauan real-time — trade-off yang kami terima.
Fine-tuning spesifik situs. Model dasar dilatih pada dataset multi-situs yang dikurasi. Untuk setiap area operasional baru, kami mengumpulkan sekumpulan kecil label ground-truth (200–500 poligon, dikumpulkan melalui survei lapangan atau interpretasi visual resolusi tinggi) dan melakukan fine-tuning model pada label tersebut. Model yang di-fine-tune mengungguli model dasar dengan margin yang signifikan di situs lokal dan menurun secara bertahap di situs yang berdekatan.
Pemantauan drift eksplisit. Kami melacak distribusi probabilitas kelas yang diprediksi dari waktu ke waktu. Pergeseran dalam distribusi — bahkan jika prediksi keras terlihat sama — adalah sinyal untuk memicu evaluasi ulang. Ini menangkap satu kasus di mana pembaruan kalibrasi sensor mengubah nilai radiometrik cukup untuk menggeser distribusi probabilitas tanpa mengubah prediksi top-1 secara terlihat.
Deployment: 20% Terakhir Membutuhkan 80% Waktu
Pekerjaan pemodelan mudah setelah pipeline data stabil. Bagian sulitnya adalah mengoperasionalisasi output.
Klien tidak mengkonsumsi file GeoTIFF. Mereka mengkonsumsi shapefile atau poligon GeoJSON dalam sistem GIS mereka, seringkali dengan sistem referensi koordinat, skema atribut, dan kode klasifikasi tertentu yang diamanatkan oleh persyaratan pelaporan lingkungan mereka.
Kami membangun lapisan pascapemrosesan yang mengubah prediksi raster menjadi poligon vektor (menggunakan gdal_polygonize GDAL), menerapkan filter minimum mapping unit (patch lebih kecil dari ambang batas digabung ke kelas dominan yang berdekatan), dikonversi ke CRS yang diperlukan klien, dan mengisi skema atribut.
Lapisan pascapemrosesan ini lebih sering rusak daripada model, karena format output model stabil tetapi persyaratan klien berubah setiap kuartal.
Tantangan operasional lainnya adalah menjelaskan ketidakpastian kepada pemangku kepentingan non-teknis. Probabilitas 0.63 untuk "hutan tropis" tidak berarti apa-apa bagi petugas kepatuhan lingkungan. Kami mengembangkan skema kepercayaan tiga kategori (tinggi/sedang/rendah) berdasarkan ambang probabilitas yang dikalibrasi dan menyertakannya sebagai atribut dalam shapefile output. Area dengan kepercayaan rendah ditandai untuk tinjauan manual. Ini tidak sempurna tetapi dapat diinterpretasikan.
Apa yang Akan Saya Lakukan Berbeda
Kesalahan terbesar adalah tidak menetapkan dataset validasi standar emas cukup awal. Kami melakukan validasi pada citra resolusi tinggi yang sama yang kami gunakan untuk pembuatan label, yang memperkenalkan bias optimis. Set yang disisihkan yang dikumpulkan secara independen — idealnya dari survei lapangan — akan memberi kami gambaran yang lebih jujur tentang akurasi dunia nyata.
Kesalahan kedua adalah menentukan ruang lingkup taksonomi terlambat. Skema klasifikasi berkembang selama tahun pertama proyek karena klien menemukan apa yang benar-benar mereka butuhkan. Perubahan taksonomi membatalkan prediksi historis, karena kelas yang ada di tahun pertama mungkin tidak lagi ada di tahun kedua, atau mungkin telah dibagi menjadi dua kelas. Mengunci taksonomi lebih awal — bahkan jika itu berarti melobi keras untuk waktu melakukannya — sepadan dengan usahanya.
AI remote sensing untuk penggunaan operasional lebih sedikit tentang model dan lebih banyak tentang pipeline data, lapisan pascapemrosesan, dan protokol validasi. Model adalah bagian yang mudah.