VSGA tổng hợp và chia sẻ tới độc giả ba diễn biến về ứng dụng AI trong viễn thám tháng 9/2026. Hanwha (Hàn Quốc) công bố giải pháp AI tích hợp ảnh quang học và radar, phục vụ tình báo quân sự tại MSPO 2026. SkyFi ra mắt trợ lý AI Rowan, hỗ trợ tra cứu và phân tích dữ liệu vệ tinh bằng ngôn ngữ tự nhiên. EarthDaily Analytics tổng hợp ứng dụng AI trong cảnh báo cháy rừng, giám sát hàng hải và dữ liệu sẵn sàng cho GeoAI.
Hanwha ra mắt giải pháp AI tích hợp ảnh vệ tinh quang học và radar phục vụ tình báo quân sự tại MSPO 2026
Tại Triển lãm Công nghiệp Quốc phòng Quốc tế MSPO 2026 (Kielce, Ba Lan, 08–11/09/2026), Tập đoàn quốc phòng và hàng không vũ trụ Hanwha (Hàn Quốc) đã giới thiệu Space AI Solution – giải pháp ứng dụng AI nhằm tự động hóa việc khai thác dữ liệu quan sát Trái Đất và rút ngắn thời gian chuyển thông tin tới các cơ quan chỉ huy quân sự. Theo Hanwha, đây là nền tảng đầu tiên được công bố công khai có khả năng tích hợp ảnh vệ tinh quang học (Electro-Optical – EO) và ảnh radar khẩu độ tổng hợp (SAR) trong cùng một môi trường phân tích do AI điều khiển. Hệ thống xử lý gần thời gian thực toàn bộ chuỗi công việc: nhận ảnh từ vệ tinh đang hoạt động trên quỹ đạo, tự động phát hiện đối tượng và các dấu hiệu bất thường, tạo báo cáo, phân phối cảnh báo tới hệ thống chỉ huy – điều khiển (C2), các đơn vị triển khai và tổ chức liên quan.
Hai loại ảnh trong hệ thống bổ trợ cho nhau: ảnh EO ghi nhận ánh sáng phản xạ ở dải khả kiến (và cận hồng ngoại, tùy tải trọng), phù hợp để nhận dạng trực quan hạ tầng, phương tiện, tàu thuyền và biến động trên mặt đất; ảnh SAR chủ động phát sóng radar nên quan sát được cả ngày lẫn đêm, trong mọi điều kiện thời tiết và xuyên qua mây. Giá trị của hệ thống nằm ở cơ chế dẫn hướng chéo (cross-cueing): một bất thường phát hiện trên ảnh SAR có thể được đối chiếu với ảnh EO khi điều kiện thời tiết và chiếu sáng cho phép, sau đó bổ sung dữ liệu hồng ngoại để xác định có liên quan tới hoạt động nhiệt hay không, qua đó giảm độ bất định vốn có của từng loại cảm biến.
Về quy trình, ảnh đầu vào trước hết được tiền xử lý: nhập dữ liệu, gắn tọa độ địa lý, nắn chỉnh hình học, chuẩn hóa và đồng bộ các sản phẩm từ những cảm biến khác nhau về cùng một khung tham chiếu không gian – thời gian. Tiếp đó, các thuật toán AI tìm kiếm đối tượng quan tâm (phương tiện, tàu thuyền, công trình, hạ tầng, sân bay, tài sản hậu cần…), phát hiện biến động giữa các lần chụp và phát hiện dấu hiệu bất thường, giúp tự động lọc ra những ảnh quan trọng thay vì để chuyên viên kiểm tra thủ công từng ảnh. Đầu ra là thông tin có cấu trúc gồm vị trí, phân loại khả dĩ, thời điểm chụp, độ tin cậy của thuật toán, biến động quan sát được và mức ưu tiên cảnh báo; đồng thời AI tự động sinh báo cáo tình hình kèm ảnh chú giải, tọa độ, mô tả sự kiện và so sánh với các lần chụp trước.
Tại triển lãm, Hanwha trình diễn hệ thống bằng việc phân tích ảnh thời gian thực khu vực Đông Âu thu từ một vệ tinh đang vận hành, thay vì chỉ dùng dữ liệu lưu trữ hay kịch bản mô phỏng. Tuy nhiên, công ty chưa công bố độ phân giải cảm biến, số lượng vệ tinh tham gia, độ trễ từ lúc chụp đến lúc phân phối thông tin cũng như mức độ tự chủ của thuật toán trong phân tích và cảnh báo – những yếu tố quan trọng để đánh giá mức độ hoàn thiện của hệ thống.
Giải pháp của Hanwha phản ánh xu hướng các hệ thống tình báo, giám sát và trinh sát (ISR) chuyển sang kiến trúc phân tán, kết nối và tự động hóa. Khi số lượng vệ tinh quan sát Trái Đất và khối lượng ảnh tăng nhanh, thách thức không còn nằm ở khâu thu thập mà ở khả năng khai thác dữ liệu nhanh, tin cậy và có ưu tiên. Việc tích hợp EO và SAR trong một luồng xử lý AI chung giúp duy trì giám sát liên tục cả khi trời tối hoặc có mây che phủ.
Đối với hoạt động nghiên cứu, các kỹ thuật lõi của hệ thống – đồng đăng ký ảnh EO–SAR, phát hiện đối tượng, phát hiện biến động và bất thường, tự động tạo báo cáo bằng AI – đều có thể ứng dụng cho các bài toán dân sự như giám sát thiên tai, bảo vệ hạ tầng trọng yếu và giám sát hàng hải, đặc biệt tại các khu vực nhiệt đới thường xuyên có mây che phủ. Mặt khác, do nhiều thông số kỹ thuật chưa được công bố, cần thận trọng khi đánh giá năng lực thực tế của giải pháp.
Nguồn: edrmagazine.eu
Skyfi ra mắt trợ lý AI Rowan, trả lời câu hỏi về mọi địa điểm trên Trái đất từ ảnh vệ tinh
Ngày 26/08/2026, SkyFi – nền tảng cung cấp dữ liệu và phân tích quan sát Trái Đất có trụ sở tại Austin (Texas, Mỹ) – ra mắt Rowan, một trợ lý AI (AI navigator) được tích hợp trực tiếp vào nền tảng. Rowan tiếp nhận câu hỏi bằng ngôn ngữ tự nhiên về bất kỳ địa điểm nào trên Trái Đất và tự động thực hiện toàn bộ quy trình: tìm kiếm trong kho ảnh lưu trữ của SkyFi và ảnh người dùng đã đặt mua, đặt lịch chụp ảnh mới (tasking), đề xuất và chạy các phân tích địa không gian, rồi trả kết quả ngay trong cùng cuộc hội thoại. Người dùng không cần nắm thuật ngữ vệ tinh, loại cảm biến hay quy trình GIS.
Ví dụ, khi người dùng yêu cầu so sánh ảnh hiện tại của một trung tâm dữ liệu đang xây dựng với ảnh một năm trước, Rowan sẽ tìm ảnh lịch sử phù hợp, kiểm tra khả năng chụp mới và trả về phương án so sánh kèm báo giá để người dùng đặt mua ngay. Ngoài ra, Rowan hỗ trợ đặt lịch chụp kèm dự báo độ che phủ mây; tạo, lưu và giám sát vùng quan tâm (Area of Interest – AOI); hiển thị giá cho từng ảnh hoặc phân tích được đề xuất; và trả lời các câu hỏi về dữ liệu đã có trong tài khoản như ngày chụp, độ phân giải, nhà cung cấp, phạm vi phủ và phần diện tích AOI chưa được phủ.
Rowan khai thác nền tảng tổng hợp hơn 300 nguồn ảnh địa không gian và đối tác phân tích của SkyFi, được cung cấp miễn phí trong nền tảng; người dùng chỉ trả phí theo giá chuẩn khi đặt mua ảnh hoặc phân tích. Trước đó, ngày 22/07/2026, SkyFi cũng đã ra mắt SkyFi MCP, cho phép các nền tảng AI tương thích giao thức Model Context Protocol (MCP) như Claude và ChatGPT truy cập trực tiếp kho ảnh và công cụ phân tích của công ty.
Rowan là ví dụ điển hình cho xu hướng agentic AI trong viễn thám: thay vì người dùng phải tự thao tác qua nhiều bước (tìm ảnh, chọn cảm biến, đặt chụp, xử lý và phân tích), một tác tử AI điều phối toàn bộ chuỗi công việc. Theo CEO Luke Fischer, sau khi đã gỡ bỏ rào cản tiếp cận dữ liệu, SkyFi hướng tới xóa bỏ rào cản chuyên môn – yếu tố vốn khiến nhiều tổ chức chưa thể sử dụng dữ liệu quan sát Trái Đất.
Đối với hoạt động nghiên cứu, mô hình kết hợp giữa trợ lý tích hợp sẵn (Rowan) và giao thức mở (MCP) là hướng tham khảo khi xây dựng các công cụ khai thác dữ liệu nội bộ. Tuy nhiên, khi AI tự lựa chọn ảnh và phương pháp phân tích thay cho người dùng không chuyên, việc kiểm chứng chất lượng và độ tin cậy của kết quả càng trở nên quan trọng.
Nguồn: prnewswire.com
EarthDaily: AI và dữ liệu vệ tinh “sẵn sàng cho AI” được ứng dụng từ cảnh báo cháy rừng đến giám sát hàng hải và biên giới
Ngày 02/09/2026, EarthDaily Analytics (Canada) – công ty vận hành chòm vệ tinh quang học EarthDaily Constellation – phát hành số tháng 9/2026 của bản tin định kỳ The EarthDaily Monitor, tổng hợp bốn xu hướng nổi bật trong tháng 8: tác động của hiện tượng El Niño tới chuỗi cung ứng lương thực, thông tin phục vụ phòng chống cháy rừng, khoảng trống trong giám sát hàng hải và yêu cầu về chất lượng dữ liệu cho GeoAI. Điểm chung của các nội dung này là AI được ứng dụng xuyên suốt, song hành với yêu cầu dữ liệu vệ tinh phải được hiệu chỉnh và nhất quán.
Ở lĩnh vực cháy rừng, EarthDaily cho biết AI đang hỗ trợ ra quyết định cả trước và sau khi đám cháy xảy ra. Trước khi cháy, công ty đã ký thỏa thuận với một tập đoàn bảo hiểm tài sản – tai nạn lớn tại Bắc Mỹ để triển khai mô hình AI dự báo khả năng cháy FLAIM (Fire Likelihood AI Model) tại các thị trường có nguy cơ cao ở miền Tây nước Mỹ. Mô hình kết hợp dữ liệu quan sát vệ tinh, thời tiết hằng ngày và thông tin địa không gian, phục vụ thẩm định bảo hiểm, quản lý danh mục và đánh giá rủi ro cháy lan diện rộng. Sau khi cháy, quy trình tự động trên nền tảng của EarthDaily đã tạo ra các bản đánh giá mức độ cháy (burn severity) cho những đám cháy gần đây tại Mỹ, Tây Ban Nha và Canada chỉ trong vài phút sau lần thu ảnh mới nhất, và có thể chạy lại mỗi khi có ảnh mới.
Ở lĩnh vực hàng hải, EarthDaily chỉ ra hạn chế của hệ thống nhận dạng tự động AIS: dữ liệu phụ thuộc vào việc tàu tự phát tín hiệu, trong khi tàu có thể tắt, làm sai lệch hoặc không phát AIS, còn các biến động tại cảng, bờ biển hay hạ tầng dưới biển không tạo ra tín hiệu AIS nào. Trong tháng 8, SynMax đã công bố tích hợp ảnh từ EarthDaily Constellation vào sản phẩm tình báo hàng hải Theia; dữ liệu sẵn sàng phân tích hằng ngày, khi kết hợp với AIS và các nguồn khác, giúp bức tranh hoạt động trên biển đầy đủ và cập nhật hơn.
Về GeoAI, Chủ tịch EarthDaily Federal Nicole Toigo cho rằng các ứng dụng an ninh quốc gia cần dữ liệu quan sát được hiệu chỉnh, nhất quán, so sánh được theo thời gian và sẵn sàng cho AI; nếu không, những thay đổi về cảm biến, góc chụp, thời điểm thu nhận hay cách xử lý có thể bị mô hình nhầm là biến động thực tế trên mặt đất. Theo hướng này, dự án SMATAK do EarthDaily dẫn dắt cùng Cơ quan Nghiên cứu và Phát triển Quốc phòng Canada (DRDC) và Cảnh sát Hoàng gia Canada (RCMP) sẽ kết hợp dữ liệu vệ tinh hằng ngày, phát hiện biến động bằng AI và công cụ cảnh báo để trình diễn giám sát biên giới. Ngoài ra, EarthDaily đã bàn giao bản đồ cây trồng toàn quốc năm 2026 của Ukraine với độ phân giải 10 m cho Bộ Kinh tế và Môi trường Ukraine, đồng thời đưa dữ liệu băng L tạm thời (provisional) của vệ tinh NISAR vào nền tảng EarthOne bên cạnh Sentinel-1 và SMAP.
Bản tin cho thấy AI đã đi vào hầu hết các khâu trong chuỗi giá trị viễn thám: dự báo rủi ro, đánh giá thiệt hại, phát hiện hoạt động hàng hải không khai báo và phát hiện biến động phục vụ an ninh. Thông điệp nổi bật là chất lượng dữ liệu – hiệu chỉnh, nhất quán và truy vết được nguồn gốc – là điều kiện tiên quyết để AI có thể mở rộng quy mô phân tích một cách tin cậy.
Đối với hoạt động nghiên cứu, các bài toán như đánh giá mức độ cháy, lập bản đồ cây trồng độ phân giải 10 m, phát hiện biến động và kết hợp ảnh quang học với dữ liệu AIS đều gần với nghiệp vụ GIS. Khi xây dựng mô hình phát hiện biến động, cần kiểm soát sai khác do cảm biến, góc chụp và quy trình xử lý để hạn chế cảnh báo giả. Bên cạnh đó, dữ liệu radar băng L của NISAR ngày càng dễ tiếp cận, mở ra cơ hội cho các nghiên cứu về độ ẩm đất và biến dạng bề mặt.
Nguồn: earthdaily.com
