Mô hình đa tác tử kết hợp học sâu Bayes cho giám sát hạn hán từ dữ liệu viễn thám đa nguồn: Ứng dụng trong giáo dục STEM

Nghiên cứu này đề xuất một mô hình đa tác tử kết hợp học sâu Bayes trên nền tảng Google Earth Engine (GEE) nhằm hỗ trợ giảng dạy và học tập STEM thông qua bài toán giám sát hạn hán từ dữ liệu viễn thám đa nguồn. Mô hình tích hợp các nguồn thông tin về điều kiện khí tượng thông qua các chỉ số SPI/SPEI, sức khỏe thảm thực vật thông qua chỉ số VHI và độ ẩm đất (Soil Moisture - SM). Các tác tử chuyên biệt thực hiện các nhiệm vụ thu thập dữ liệu, tiền xử lý, tính toán chỉ số, phân tích trạng thái hạn hán và hợp nhất xác suất từ nhiều nguồn thông tin bằng phương pháp suy luận Bayes để đưa ra đánh giá tổng hợp về mức độ hạn hán.