update chức năng ndvi time seriese

2025-12-22 07:20:41 +07:00
parent 46da481029
commit f3ff5d81a6
12 changed files with 3558 additions and 66 deletions
@@ -0,0 +1,202 @@
+# Hướng Dẫn Sử Dụng Chức Năng Predict NDVI
+
+## Tổng Quan
+Chức năng mới cho phép dự đoán phân loại đất (land classification) **kết hợp** với việc xuất ra raster NDVI cho cùng một khu vực.
+
+## Cách Sử Dụng
+
+### 1. Truy cập Prediction Interface
+- Mở trình duyệt: `http://localhost:8000/prediction`
+- Hoặc từ trang chủ, click vào **Prediction**
+
+### 2. Chọn Model
+- Chọn model đã được train từ dropdown "Select Model"
+- Model phải tồn tại trong thư mục `model_train/`
+
+### 3. Vẽ Khu Vực (Bbox)
+- Sử dụng công cụ vẽ hình chữ nhật trên bản đồ
+- Khu vực này sẽ được dùng để:
+  - Load dữ liệu vệ tinh
+  - Tính NDVI
+  - Predict land classification
+
+### 4. Cấu Hình Thời Gian & Dữ Liệu
+- **Từ ngày / Đến ngày**: Khoảng thời gian lấy ảnh vệ tinh
+- **Max Scenes**: Số lượng ảnh tối đa (khuyến nghị: 12)
+- **Cloud Cover**: % mây tối đa (khuyến nghị: 30%)
+- **Resolution**: Độ phân giải (10m hoặc 20m)
+
+### 5. Bật Export NDVI
+- ✅ Check vào "🌿 Export NDVI Raster"
+- Khi bật, hệ thống sẽ:
+  - Tính NDVI từ Sentinel-2 (NIR - Red) / (NIR + Red)
+  - Xuất ra file `ndvi_YYYYMMDD_HHMMSS.tif`
+  - Xuất ra file `classification_YYYYMMDD_HHMMSS.tif`
+
+### 6. Chạy Prediction
+- Click "🚀 Start Prediction (với NDVI)"
+- Hệ thống sẽ:
+  1. Load dữ liệu Sentinel-2 (bands: B02, B03, B04, B08)
+  2. Tính toán các spectral indices (NDVI, NDWI, NDBI)
+  3. Dùng model để predict land classification
+  4. Xuất kết quả
+
+## Kết Quả
+
+### Output Files
+Sau khi hoàn thành, bạn sẽ nhận được 2 file trong thư mục `predictions/`:
+
+1. **`ndvi_YYYYMMDD_HHMMSS.tif`**
+   - GeoTIFF chứa giá trị NDVI
+   - Giá trị: -1 đến +1
+   - CRS: EPSG:4326 (WGS84)
+   - Có thể mở bằng QGIS, ArcGIS, hoặc Python
+
+2. **`classification_YYYYMMDD_HHMMSS.tif`**
+   - GeoTIFF chứa kết quả phân loại đất
+   - Giá trị: class labels (ví dụ: 0, 1, 2, 3...)
+   - CRS: EPSG:4326 (WGS84)
+
+### Thống Kê Hiển Thị
+Sau khi predict xong, giao diện sẽ hiển thị:
+- **NDVI Statistics**:
+  - Mean: Giá trị NDVI trung bình
+  - Min: Giá trị NDVI nhỏ nhất
+  - Max: Giá trị NDVI lớn nhất
+  - Std: Độ lệch chuẩn
+- **Class Distribution**: Số lượng pixel cho mỗi class
+- **N Scenes**: Số ảnh vệ tinh đã sử dụng
+
+## API Endpoint
+
+### POST `/api/predict/with-ndvi`
+
+**Request Body:**
+```json
+{
+  "model_filename": "model_xgboost_20231221_120000.joblib",
+  "min_lon": 105.6,
+  "min_lat": 9.3,
+  "max_lon": 106.2,
+  "max_lat": 9.8,
+  "start_date": "2023-03-01",
+  "end_date": "2023-05-31",
+  "max_scenes": 12,
+  "cloud_cover": 30,
+  "resolution": 20,
+  "export_ndvi": true,
+  "export_classification": true
+}
+```
+
+**Response:**
+```json
+{
+  "success": true,
+  "message": "Prediction with NDVI completed",
+  "output_files": [
+    {"type": "ndvi", "path": "predictions/ndvi_20231221_120000.tif"},
+    {"type": "classification", "path": "predictions/classification_20231221_120000.tif"}
+  ],
+  "ndvi_stats": {
+    "mean": 0.456,
+    "min": -0.123,
+    "max": 0.789,
+    "std": 0.234
+  },
+  "class_distribution": {
+    "0": 12345,
+    "1": 23456,
+    "2": 34567
+  },
+  "n_scenes": 12,
+  "resolution": 20,
+  "bbox": [105.6, 9.3, 106.2, 9.8]
+}
+```
+
+## Download Files
+
+Sau khi prediction hoàn thành, có thể download files qua:
+- **UI**: Click "💾 Download GeoTIFF" trong kết quả
+- **API**: `GET /api/predictions/download/ndvi_YYYYMMDD_HHMMSS.tif`
+- **API**: `GET /api/predictions/download/classification_YYYYMMDD_HHMMSS.tif`
+
+## Sử Dụng Kết Quả với Python
+
+```python
+import rasterio
+import matplotlib.pyplot as plt
+import numpy as np
+
+# Read NDVI raster
+with rasterio.open('predictions/ndvi_20231221_120000.tif') as src:
+    ndvi = src.read(1)
+    
+    # Visualize
+    plt.figure(figsize=(10, 8))
+    plt.imshow(ndvi, cmap='RdYlGn', vmin=-1, vmax=1)
+    plt.colorbar(label='NDVI')
+    plt.title('NDVI Map')
+    plt.show()
+
+# Read classification raster
+with rasterio.open('predictions/classification_20231221_120000.tif') as src:
+    classification = src.read(1)
+    
+    # Visualize
+    plt.figure(figsize=(10, 8))
+    plt.imshow(classification, cmap='tab10')
+    plt.colorbar(label='Land Class')
+    plt.title('Land Classification')
+    plt.show()
+```
+
+## Sử Dụng Kết Quả với QGIS
+
+1. Mở QGIS
+2. **Layer → Add Layer → Add Raster Layer**
+3. Chọn file `ndvi_*.tif` hoặc `classification_*.tif`
+4. Styling:
+   - NDVI: Singleband pseudocolor, min=-1, max=1, color ramp=RdYlGn
+   - Classification: Paletted/Unique values
+
+## Lưu Ý
+
+- **Thời gian xử lý**: Tùy thuộc vào kích thước bbox và số scenes (thường 2-5 phút)
+- **Bộ nhớ**: Khu vực lớn + resolution cao = RAM cao
+- **NDVI values**:
+  - < 0: Nước, đất trống
+  - 0 - 0.2: Đất có ít thực vật
+  - 0.2 - 0.5: Cây cỏ, cây trồng
+  - > 0.5: Rừng rậm, thực vật dày đặc
+
+## So Sánh với NDVI Time Series
+
+| Feature | Predict NDVI | NDVI Time Series |
+|---------|-------------|------------------|
+| **Mục đích** | Xuất raster NDVI + land classification | Xem xu hướng NDVI theo thời gian |
+| **Output** | GeoTIFF files | Chart, CSV |
+| **Dùng model** | Có (predict land class) | Không (chỉ tính NDVI) |
+| **Visualize** | Bản đồ raster | Biểu đồ đường |
+| **Use case** | Phân tích không gian | Phân tích thời gian |
+
+## Troubleshooting
+
+**Q: Lỗi "Model không tồn tại"?**
+- Kiểm tra model đã được train và lưu trong `model_train/`
+- Refresh danh sách model
+
+**Q: Kết quả NDVI toàn NaN?**
+- Check cloud cover (giảm xuống)
+- Mở rộng time range
+- Kiểm tra bbox có nằm trong phạm vi Sentinel-2 coverage
+
+**Q: File GeoTIFF không mở được?**
+- Đảm bảo file download hoàn chỉnh
+- Dùng QGIS hoặc rasterio để kiểm tra
+
+**Q: Prediction chậm?**
+- Giảm resolution (20m thay vì 10m)
+- Giảm max_scenes
+- Thu nhỏ bbox