Chúng tôi phân tích ảnh vệ tinh và ảnh hàng không bằng deep learning để trả lời các câu hỏi thực địa: cây gì đang trồng ở đâu, sức khỏe ra sao, điều gì đã thay đổi và rủi ro nằm ở đâu. Từ pipeline ảnh vệ tinh đến dashboard WebGIS tương tác.
Ảnh Sentinel-2 thật: so sánh biến động, chỉ số thực vật NDVI và phân vùng lớp phủ.
Ảnh vệ tinh là ảnh Sentinel-2 thật; mask và luồng agent là kịch bản mô phỏng chạy trên trình duyệt. Pipeline thật truy vấn STAC API và xử lý Cloud-Optimized GeoTIFF.
Nhận diện loại cây trồng và diện tích canh tác từ chuỗi ảnh đa phổ - lúa, cây ăn quả, cây công nghiệp.
Theo dõi sức sống mùa vụ qua chỉ số thực vật, phát hiện vùng cây suy yếu trước khi mất năng suất.
Phát hiện thay đổi sử dụng đất, xây dựng, mất rừng và lấn chiếm giữa các thời điểm chụp ảnh.
Lập bản đồ vùng ngập từ ảnh SAR/quang học và giám sát chỉ số hạn hán để ứng phó sớm.
Cảnh báo liên tục mất rừng và suy thoái rừng cho khu bảo tồn và rừng trồng.
Phân vùng ảnh viễn thám bằng deep learning, xuất thành lớp GIS và bản đồ web tương tác.
Sentinel / Landsat
GDAL / Rasterio
U-Net / DeepLab
GeoTIFF / Vector
Leaflet / GeoServer
Kết hợp chỉ số vệ tinh với dữ liệu thực địa Vectiq Field để ước lượng năng suất, khoanh vùng canh tác và ưu tiên kiểm tra đồng ruộng - không cần drone.
Cảnh báo thay đổi tự động cho mất rừng, sạt lở bờ sông và biến động mặt nước trên phạm vi rộng.
Phân loại lớp phủ và phát hiện thay đổi xây dựng hỗ trợ giám sát quy hoạch và quyết định hạ tầng.
