卫星
通过地理空间数据和遥感查看各个田块。对比不同时期的卫星观测，检查植被、土地覆盖和相对水分状况。
从空中视角到田间行动
共享每个地块的全貌。
使用自有影像、查找卫星场景、采集地理定位观测，并集中管理地图。AgroSensing 连接分析土地的人与耕耘土地的人。
围绕您的作物打造
一个平台，一套专属工具。
激活试用或年度方案时选择作物。工作空间将展示该作物的工具，并提供通用制图和协作功能。
油棕了解您的种植园结构。
利用高分辨率影像绘制油棕冠层中心点，检查种植间距，并识别需要实地复核的几何空缺。
树木计数
从所选栅格影像中检测油棕冠层中心，并以点位表示。
种植间距
连接已绘制的油棕点位，依据周边种植格局对距离进行分类。
潜在补植位置
结合局部间距、种植园边界和排除区域，探索候选空缺。
检测结果和候选种植位置均需实地核实。影像质量和可见冠层结构会影响结果。
打开试用跟踪每个甘蔗地块的整个生长季。
将种植和宿根蔗记录与卫星影像结合起来。对比各甘蔗地块随时间的变化，为下一次田间检查确定重点。
健康指数
对比甘蔗地块的 NDVI，找出冠层绿度不均的区域，并确定田间核查的优先顺序。
生长阶段
结合种植和宿根萌发日期，查看每月绿度变化；实际生育阶段需要用田间记录确认。
收获估算
评估待收获地块时，查看植被长势的空间分布。该指标不估算甘蔗吨位或含糖量。
NPK 估算
利用红边（red-edge）叶绿素差异，为甘蔗养分核查提供线索。确定 NPK 含量或施肥量仍需要土壤和叶片检测。
水分指数
结合灌溉、降雨和田间观测，对比不同甘蔗地块的相对冠层水分分布。
当前作物输出属于未经校准的影像指标，不能确定生长阶段、产量、NPK 浓度或施肥处方。经校准的作物专用模型将基于田间数据与验证逐步开发。
打开试用结合冠层与遮荫条件，了解咖啡地块。
将影像与田间证据结合起来，查看多年生咖啡地块。解读地块差异时，同时考虑遮荫覆盖、地形和管理记录。
健康指数
检查咖啡地块之间的 NDVI 差异，同时考虑遮荫树和冠层混合像元的影响。
生长阶段
将每月冠层绿度趋势与咖啡田间记录进行对照。这些趋势不能确认开花或咖啡果成熟。
收获估算
利用植被长势分布，确定采收地块的田间核查重点；咖啡产量和果实成熟度仍需要直接观测。
NPK 估算
查看咖啡冠层红边（red-edge）叶绿素的相对变化。通过叶片和土壤采样核实养分需求。
水分指数
规划田间走访前，将冠层水分分布与遮荫、季节性降雨和灌溉记录进行对照。
当前作物输出属于未经校准的影像指标，不能确定生长阶段、产量、NPK 浓度或施肥处方。经校准的作物专用模型将基于田间数据与验证逐步开发。
打开试用连接茶园分区、修剪与田间观测。
结合管理背景解读各茶园分区的空间分布，而不孤立地看一张影像。对照影像日期、修剪和采摘记录，安排更细致的检查。
健康指数
检查各茶园分区的绿度一致性，并结合修剪、遮荫和田间观测解读差异。
生长阶段
跟踪已记录修剪日期前后的每月 NDVI 变化。新梢发育情况需要在田间确认。
收获估算
在安排采摘轮次前后的核查时，查看植被长势差异。该指标不是经校准的茶叶产量估计。
NPK 估算
利用相对冠层叶绿素分布，确定茶树营养核查的优先区域，并用叶片和土壤检测加以支持。
水分指数
检查各茶园分区的相对冠层水分，并与坡度、降雨和灌溉条件进行对比。
当前作物输出属于未经校准的影像指标，不能确定生长阶段、产量、NPK 浓度或施肥处方。经校准的作物专用模型将基于田间数据与验证逐步开发。
打开试用从建植到收获核查，跟踪小麦田。
在同一小麦生长季内，对比不同田块和影像日期。结合空间指标、播种日期和作物观测，找出需要关注的区域。
健康指数
对比小麦田内及田块之间的 NDVI，检查斑块状绿度差异，并确定田间采样位置。
生长阶段
结合播种日期解读每月绿度轨迹；实际小麦生育阶段需要通过作物观测核实。
收获估算
利用植被长势分布，选择收获前的作物核查区域。籽粒产量需要经校准的模型和田间测量。
NPK 估算
查看红边（red-edge）叶绿素变化后，再有针对性地开展小麦叶片和土壤检测；该指标不提供施肥量建议。
水分指数
查看小麦田之间的冠层水分差异，并与降雨、灌溉和土壤水分观测进行对照。
当前作物输出属于未经校准的影像指标，不能确定生长阶段、产量、NPK 浓度或施肥处方。经校准的作物专用模型将基于田间数据与验证逐步开发。
打开试用
水稻结合种植与水分管理，解读水稻田。
在同一工作空间中保存稻田观测、移栽日期和影像。解读季节性分布时，关注幼苗冠层、田间积水和排水情况。
健康指数
检查稻田的 NDVI 差异，同时考虑稀疏幼苗和水面背景的影响。
生长阶段
将每月绿度变化与移栽日期及田间记录进行对比；水稻实际生育阶段需要现场确认。
收获估算
查看植被长势分布，确定田间成熟度核查的优先区域。该指标不提供经校准的稻谷产量。
NPK 估算
对比相对冠层叶绿素分布，并在作出养分管理决策前，开展水稻叶片或土壤检测。
水分指数
结合灌水和排水记录检查冠层水分变化。NDMI 不是田间水深的测量值。
当前作物输出属于未经校准的影像指标，不能确定生长阶段、产量、NPK 浓度或施肥处方。经校准的作物专用模型将基于田间数据与验证逐步开发。
打开试用互联工作流程
从影像到团队可用的地图。
01
让土地进入视野
上传影像和矢量图层，或使用 Satellite Finder 探索目标区域的可用卫星场景。
02
选择合适的分析
打开作物工具，选择输入数据，并在运行前检查输出名称与参数。
03
连接田间团队
分享调查表单，采集田间坐标、观测、照片和录音。
04
掌握完整全貌
整理图层、共同查看结果，并准备地图版式或共享地图，为下一次讨论提供依据。
不止于单次分析
让信息在地图上汇聚。
共享 GIS 基础将专业作物工具与日常制图工作连接起来。
GIS 与遥感
绘图工具、栅格与矢量工作流程、样式设置、属性表，以及现有 GIS 与遥感工具箱。
Satellite Finder
探索区域影像，查看覆盖范围和预览，并按可用流程下载。
Survey Mobile
创建包含位置、文本、数字、日期、照片和录音的田间表单，并将采集的答复关联至地图图层。
让团队共享空间背景
邀请成员，管理数据与成员可见性，在项目聊天中协作，并按组整理图层。
值得分享的地图
准备打印版式与共享地图，传达决策背后的空间背景。
统一 TechnoGIS 身份
通过关联账户与 SSO 单点登录，访问已激活的 TechnoGIS 产品。
地图背后的技术
从观测走向空间洞察。
在同一农业工作空间中，将卫星和无人机影像与田间证据、地理空间分析及 Geo AI 结合起来。
无人机
利用高分辨率 RGB 和多光谱影像绘制细节、检查作物冠层，并查看田块内部的差异。
田间传感器
在带有地理位置的调查中手动记录 IoT 传感器读数。将实地测量与影像比较，以验证地图中的模式并补充当地背景。
Geo AI
运用 AI 和机器学习开展目标检测、预测分析及自动化地理空间工作流程。预测结果取决于合适的数据、经校准的模型和田间验证。
出发去田间之前。
可以选择哪些作物？
油棕、甘蔗、咖啡、茶、小麦和水稻。激活试用或付费方案时选择一个模块。已激活的 AgroSensing 账户可以更新作物设置。
需要自有影像吗？
油棕冠层检测使用所选高分辨率栅格。作物指标使用指定区域和月份的可用 Sentinel-2 影像。卫星影像可用性、云层及影像分辨率都会影响可分析的内容。
收获与 NPK 结果是经过校准的预测吗？
目前还不是。这些工具当前提供植被长势与叶绿素代理指标。可靠的作物生长阶段、产量或养分含量需要针对具体作物进行校准与田间验证。
团队可以通过移动设备采集观测吗？
可以。Survey Mobile 将田间答复和坐标关联至地图。表单设置控制登录要求与答复可见性。录音、定位和离线功能取决于浏览器权限与设备支持情况。
聊聊您的土地
联系 AgroSensing 团队。
告诉我们您的作物、大致面积和目标。与 TechnoGIS 探讨影像、田间调查，以及适合您团队的 AgroSensing 方案。
德国斯图加特地区 STEP Park 大楼
印度尼西亚日惹 Jln Pamularsih No 152B
从更互联的视角看您的土地。
选择作物，探索 AgroSensing 工作空间。