Sateliti i AI: Kako prepoznati promjene na Zemlji [2026]
Komercijalna pretplata na satelitske podatke visoke rezolucije u realnom vremenu košta i do 5.000 eura mjesečno. Vi te podatke možete dobiti skoro besplatno, ako znate kako da upregnete open-source modele i lokalne servere. Razlika od 4.800 eura nije u hardveru, već u vašem znanju da natjerate algoritam da ‘vidi’ ono što ljudsko oko promaši. Ako imate računar i malo strpljenja, možete postati sopstveni obavještajni centar za ekologiju, poljoprivredu ili nekretnine.
Zašto vam treba Linux (a ne Windows) za ozbiljnu obradu
Direktno rješenje: Instalirajte Ubuntu na odvojenu particiju jer GDAL i satelitske biblioteke pucaju na Windowsu zbog lošeg upravljanja putanjama. Osjetit ćete miris ozona iz ventilatora dok procesor žvače gigabajte multispektralnih snimaka. Zvuk ubrzanog fena iz vašeg kućišta je znak da AI model zapravo radi. Ako planirate ovo raditi na laptopu bez dodatnog hlađenja, spržit ćete matičnu ploču. Kratko i jasno: Ne rizikujte hardver. Instaliraj lokalni AI na desktop mašini za stabilnost.
WARNING: Nikada ne pokrećite masovnu obradu satelitskih podataka na sistemskom disku. Stalno pisanje i brisanje privremenih fajlova (cache) može uništiti vaš SSD za manje od tri mjeseca zbog ogromnog broja IOPS-a. Koristite eksterni NVMe disk.
Nabavka sirovina: Gdje ‘ukrasti’ podatke koje drugi plaćaju
Zaboravite na kupovinu gotovih izvještaja. Koristite Copernicus Sentinel-2 platformu. Podaci su ‘prljavi’, puni šuma i oblaka, ali su besplatni. Morate naučiti da ‘čistite’ ove podatke prije nego što ih gurnete u neuronsku mrežu. Preprocesiranje podataka je 90% posla. Ako uvezete sliku sa 20% oblačnosti bez maskiranja, vaš AI će misliti da je snijeg pao usred jula. To je fizika greške. Voda upija infracrveni spektar, dok ga beton odbija kao ogledalo. Ako ne kalibrišete atmosferu, vaši rezultati će biti gori od gledanja u šolju kafe.
Fizika refleksije: Zašto biljke ‘vrište’ u infracrvenom spektru
Ovo je naučni dio koji početnici preskaču: NDVI (Normalized Difference Vegetation Index). Biljke koriste vidljivu svjetlost za fotosintezu, ali snažno odbijaju blisku infracrvenu svjetlost (NIR). Kada biljka počne da pati zbog suše, njena sposobnost da odbija NIR opada sedmicama prije nego što list požuti. AI modeli, posebno LSTM modeli, mogu prepoznati ovaj trend i alarmirati vas prije nego što šteta postane vidljiva golim okom. To je razlika između spašavanja usjeva i brojanja gubitaka. Slather (namažite) kod sa dovoljno provjera spektralnih kanala. Nemojte biti škrti na procesiranju.
Da li mi treba skupa grafička karta za ovo?
Ne nužno. Za analizu promjena na nivou opštine, CPU sa mnogo jezgara je dovoljan. Ali, ako želite prepoznavanje objekata (brojanje kamiona ili stabala), bez NVIDIA kartice sa bar 12GB VRAM-a ćete se samo patiti. Cijene servera u 2026. su stabilne, ali lokalna snaga je zakon za privatnost.
Anatomija promašaja: Kako je moj model ‘izmislio’ šumu u pustinji
Najveća greška koju možete napraviti je ignorisanje sezonskih sjenki. U zimu, sjenke planina su duge i tamne. Moj prvi model je te sjenke klasifikovao kao duboka jezera. Potrošio sam 40 sati procesorskog vremena da bih dobio mapu koja nema veze s realnošću. Popravi greške u odgovorima tako što ćeš u trening set ubaciti digitalni model terena (DEM). Ako AI zna visinu, znaće da je crna mrlja sjenka, a ne voda. Don't skip this. Bez visinskih podataka, tvoja analiza je samo nagađanje.
Scavernger trik: Koristite Google Earth Engine besplatno (dok traje)
Nemojte odmah kupovati AWS instance. Google Earth Engine nudi besplatan ‘Tier’ za istraživače i entuzijaste. Možete pisati JavaScript direktno u browseru i koristiti njihove super-računare da obradite petabajte podataka. Ipak, čuvajte se: onog trenutka kada vaša skripta postane preteška, Google će je ubiti bez upozorenja. Zato je ključno da naučite kako da automatizujete AI pipeline lokalno. Slomite velike zadatke na male komade. Jam (zaglavi) proces ako treba, ali ga završi.
Koliko često sateliti prolaze iznad moje lokacije?
Sentinel-2 se vraća svakih 5 dana. Ako je taj dan oblačno, čekate još 5. To je surova realnost besplatnih podataka. Ako vam treba svaki dan, moraćete se ‘ogrebati’ za PlanetScope podatke preko njihovih programa za edukaciju.
Kod i zakonska regulativa u 2026.
Pazite na EU AI Act. Ako koristite ove analize za donošenje odluka koje utiču na ljude (npr. procjena vrijednosti zemljišta), vaš model mora biti objašnjiv (XAI). Ne smije biti ‘crna kutija’. Ako vas inspekcija pita zašto je algoritam rekao da je neko zemljište zagađeno, morate imati logove. Arhivirajte sve. Svaki bajt. Svaku skriptu. To je vaš štit. Možda zvuči dosadno, ali kazne su brutalne.
Zaključak: Uzmi alat u ruke
Analiza zemlje iz svemira više nije rezervisana za Pentagon. Uzmite Python, skinite Sentinel podatke i počnite sa malim regionom. Prvi put će sve pući. Drugi put će skripta raditi vječno. Treći put ćete vidjeti promjenu koju niko drugi nije primijetio. To je trenutak kada postajete majstor. Povećaj prinos uz AI ili samo prati kako se gradi tvoj grad. Sve je na tebi. Samo nemoj odustati kad prvi put dobiješ ‘Memory Error’. To samo znači da si na pravom putu.
