13:56 11/08/2025

Khu vực ven biển là nơi chịu tác động mạnh mẽ của các quá trình biển như xói lở, bồi tụ và ô nhiễm môi trường. Trong bối cảnh biến đổi khí hậu và mực nước biển dâng, việc giám sát biến động đường bờ ngày càng trở nên cấp thiết nhằm phục vụ công tác quy hoạch, phòng chống thiên tai và phát triển bền vững. Theo WRI, khoảng 39% dân số thế giới sống cách bờ biển không quá 100 km, và ước tính đến cuối thế kỷ XXI, có thể có đến 17.000 km² bị xói lở toàn cầu. Đường bờ biển - ranh giới giữa đất liền và mặt nước - là một chỉ số quan trọng trong nghiên cứu môi trường. Sự biến động của nó chịu ảnh hưởng bởi cả yếu tố tự nhiên (thủy triều, bão, nước biển dâng) và nhân sinh (xây dựng cảng, đê, nuôi trồng thủy sản). Trong những năm gần đây, ảnh vệ tinh và kỹ thuật viễn thám đã được sử dụng rộng rãi để trích xuất đường bờ nhờ ưu điểm như bao phủ rộng, chi phí thấp, không cần khảo sát thực địa và khả năng thu nhận dữ liệu liên tục. Các nghiên cứu trước đây chủ yếu sử dụng ảnh Landsat kết hợp chỉ số NDWI/MNDWI, phương pháp ngưỡng hóa hoặc phân loại đối tượng để xác định đường bờ. Một số nghiên cứu còn sử dụng công cụ DSAS để tính tốc độ xói lở/bồi tụ bằng các thuật toán EPR, LRR hoặc WLR. Trong nghiên cứu này, nhóm tác giả sử dụng chuỗi ảnh Sentinel-2 với độ phân giải cao trên nền tảng Google Earth Engine (GEE) để trích xuất đường bờ vịnh Chabahar. Hai phương pháp phân loại giám sát là Random Forest và SVM được so sánh nhằm đánh giá độ chính xác phân loại. Sau đó, công cụ DSAS được áp dụng trong phần mềm ArcMap để tính toán tốc độ biến đổi đường bờ theo thời gian.

13:55 11/08/2025

Các mô hình nền tảng AI cảm biến từ xa, vốn là những mô hình lớn được huấn luyện sẵn và có thể thích ứng với nhiều nhiệm vụ khác nhau, đã giúp giảm đáng kể nguồn lực cần thiết để thực hiện giám sát môi trường — một nhiệm vụ trọng tâm trong phát triển các công nghệ hệ sinh thái. Tuy nhiên, những thách thức riêng biệt liên quan đến dữ liệu cảm biến từ xa đòi hỏi phải phát triển các ứng dụng số để khai thác hiệu quả các mô hình này. Trong bài viết này, chúng tôi thảo luận về những ví dụ ban đầu của các ứng dụng số lấy người dùng làm trung tâm nhằm tăng cường tác động của các mô hình nền tảng AI cảm biến từ xa. Bằng cách đơn giản hóa quá trình huấn luyện và suy luận mô hình, các ứng dụng này mở rộng khả năng thực hiện các nhiệm vụ học máy truyền thống đến nhiều nhóm người dùng khác nhau, cuối cùng mang lại dữ liệu được điều chỉnh theo địa phương, chính xác và thực tiễn hơn.

13:53 11/08/2025

08:43 25/06/2025

Sáng ngày 18/6/2025, Cục Viễn thám quốc gia đã có buổi hội thảo trực tuyến với Công ty EarthDaily nhằm trao đổi chuyên môn và thúc đẩy hợp tác trong lĩnh vực ứng dụng trí tuệ nhân tạo (AI) và công nghệ viễn thám cho quản lý nông nghiệp, tài nguyên và môi trường.

15:01 18/06/2025

16:44 11/06/2025

Học máy, học sâu là những công cụ hiện đại và cực kỳ mạnh mẽ trong giai đoạn hiện nay trong nhiều lĩnh vực, trong đó có khoa học trái đất, đặc biệt trong các lĩnh vực như viễn thám, đô thị thông minh, nông nghiệp chính xác, và biến đổi khí hậu. Sự gia tăng năng lực tính toán và sự đa dạng về nguồn dữ liệu tạo điều kiện cho sự phát triển ứng dụng phân tích không gian, đặc biệt trong việc nâng cao độ chính xác trong phân loại sử dụng đất, nghiên cứu tai biến thiên nhiên. Các phương pháp học máy đã và đang được thử nghiệm với dữ liệu viễn thám đa độ phân giải như ảnh vệ tinh, ảnh hàng không, dữ liệu từ thiết bị bay không người lái (UAV), tập hợp dữ liệu đám mây điểm và đem lại kết quả khả quan. Về mặt kỹ thuật, các ứng dụng viễn thám được chi phối bởi các yêu tố sự đa dạng về dữ liệu và mẫu kiểm chứng năng lực tính toán của hệ thống để huấn luyện mô hình thuật toán mới trong tối ưu hóa cấu trúc và tham số của các mô hình. Những yếu tố này đã nâng cao độ tin cậy của kết quả đánh giá so với các phương pháp truyền thống được sử dụng trước đây. Bài báo này tập trung trong việc tổng hợp một số nghiên cứu về ứng dụng học máy, học sâu trong phân tích dữ liệu viễn thám và một số hướng nghiên cứu khả thi trong giai đoạn tới.