microsoft/farmvibes-ai

解决的问题

FarmVibes.AI 提供了一个专为农业和可持续性设计的地理空间机器学习模型开发框架。它通过支持多种数据源的融合，解决了仅使用单一地理空间数据集时难以获得深度洞察（如碳足迹估算、作物生长速率）的难题。

工作原理

该系统由三个主要组件构成：

1. 数据集准备：使用可配置的工作流（以有向无环图定义）从多种来源（包括 Sentinel 1 和 2 卫星影像、NOAA 气象数据、USGS 高程图、无人机影像）获取并预处理数据。
2. 模型样本笔记本库：提供一系列笔记本，允许用户针对特定区域或季节调整现有模型，涵盖收获日期检测、微气候预测等任务。
3. 推理引擎：该组件将数据连接器和预处理步骤与调优后的模型结合，在特定兴趣区域和时间范围内执行推理，并在新数据可用时自动更新结果。

适用人群

专注于遥感、地球观测和农业可持续性的数据科学家与研究人员，需要构建稳健的多模态地理空间模型。

主要亮点

• 多模态融合：整合 RGB、SAR、多光谱卫星影像、气象数据和高程图。
• 可配置工作流：使用 DAG 基础工作流管理数据下载与准备。
• 可扩展的数据摄取：支持广泛的公开数据集（Sentinel、NAIP、NOAA）和自定义栅格数据。
• 本地集群支持：可通过 Docker 镜像以本地集群方式运行，支持通过 REST API 或 Python 客户端交互。