Trong thập kỷ qua, các công nghệ định vị không gian đã thay đổi cách thức hoạt động của các doanh nghiệp cũng như tiến hành phục vụ nhiều khách hàng trong nhiều lĩnh vực khác nhau. Với các giải pháp sáng tạo như ma trận khoảng cách và API tối ưu hóa tìm đường, các doanh nghiệp đã tăng cường tận dụng các công nghệ dựa trên vị trí để hợp lý hóa và cải thiện hoạt động hậu cần và chặng cuối của họ.

Theo một công ty nghiên cứu thị trường hàng đầu, ngành công nghiệp định vị thông minh và phân tích dữ liệu dựa trên vị trí dự kiến sẽ tăng từ 15,7 tỷ đô la vào năm 2021 lên khoảng 30 tỷ đô la vào năm 2026. Điều này tương đương với mức tăng ấn tượng 90% về giá trị của các dịch vụ dựa trên vị trí so với cùng kỳ năm ngoái, làm nổi bật rõ ràng tiềm năng của những công nghệ này.

Các công nghệ định vị sẽ tiếp tục được áp dụng rộng rãi và khi bước sang năm 2023, chúng ta sẽ xem xét các xu hướng mới nổi hàng đầu thúc đẩy các giải pháp không gian địa lý cho doanh nghiệp cũng như các cơ quan quản lý.

Các lĩnh vực có thể phát triển cho công nghệ và phân tích dựa trên vị trí là gì?

Hãy cùng tìm hiểu và khám phá năm xu hướng mới trong giám sát và định vị sẵn sàng thay đổi cách chúng ta làm việc và sinh sống:

1. Tăng cường tập trung vào thành phố thông minh và quy hoạch đô thị

Các thành phố thông minh yêu cầu nguồn cấp dữ liệu không gian địa lý liên tục để hoạt động hiệu quả. Với nhiều thành phố thông minh hơn đang được lên kế hoạch phát triển trên toàn cầu, phạm vi sử dụng các công nghệ dựa trên vị trí để cải thiện hiệu quả, bảo mật và khả năng đáp ứng là rất cao và tiềm năng này dự kiến sẽ tăng lên trong tương lai gần.

Các ứng dụng cho các công nghệ và dịch vụ dựa trên vị trí là rất lớn. Các cơ quan chủ quản có thể tận dụng chúng để:

- Cải thiện giao thông vận tải và hậu cần bằng cách tối ưu hóa các tuyến đường và giảm tắc nghẽn giao thông.

- Cải thiện an ninh xã hội thông qua việc sử dụng các cảm biến và hệ thống giám sát có thể cảnh báo chính quyền về bất kỳ mối đe dọa hoặc sự cố tiềm ẩn nào.

- Cải thiện các dịch vụ công bằng cách cung cấp thông tin theo thời gian thực và cho phép phân bổ nguồn lực hiệu quả cho các dịch vụ công như quản lý chất thải và ứng phó khẩn cấp.

- Cải thiện tính bền vững bằng cách đối chiếu và phân tích dữ liệu về tác động môi trường của các hoạt động của thành phố như phân phối và quản lý năng lượng, giao thông đường bộ, v.v.

2. Thêm nhiều ứng dụng của bản đồ lập thể (3D mapping)

Những tiến bộ trong công nghệ mô hình hóa và quét 3D đã giúp phát triển các bản đồ không gian 3 chiều có độ chính xác cao và chi tiết. Có nhiều ứng dụng tiềm năng cho lập bản đồ 3D, bao gồm điều hướng, chuyến tham quan ảo, phân tích không gian địa lý, quy hoạch đô thị, trò chơi nhập vai và trải nghiệm thực tế tăng cường/thực tế ảo, thậm chí hướng dẫn các nỗ lực cứu hộ và tái thiết khi đối mặt với thảm họa thiên nhiên.

Bản đồ 3D cũng được kỳ vọng sẽ thúc đẩy phân tích không gian địa lý của các thành phố đô thị bằng cách trực quan hóa và phân tích chính xác các dữ liệu như mật độ dân số, mô hình sử dụng đất và điều kiện môi trường. Đối với các mục đích quy hoạch đô thị và thành phố thông minh, bản đồ 3D có thể được sử dụng để mô hình hóa và mô phỏng tác động của các dự án phát triển được đề xuất đối với môi trường sống.

3. Sự nổi lên của dữ liệu cộng đồng

Hầu hết các nhà cung cấp bản đồ đã bắt đầu dựa vào dữ liệu có nguồn gốc từ cộng đồng như nội dung do người dùng khởi tạo và cập nhật theo thời gian thực để cải thiện độ chính xác và mức độ liên quan của bản đồ của họ.

Dữ liệu cộng đồng đề cập đến thông tin được thu thập và đóng góp bởi một số lượng lớn các cá nhân chứ không phải là một tổ chức hoặc công ty đơn lẻ. Trong ngữ cảnh của các nhà cung cấp dịch vụ bản đồ và không gian địa lý, dữ liệu được cung cấp bởi đám đông có thể bao gồm nội dung do người dùng tạo, chẳng hạn như ảnh, bài đánh giá và xếp hạng của các địa điểm và doanh nghiệp, cũng như các cập nhật theo thời gian thực về giao thông, xây dựng và các sự kiện khác có thể tác động đến điều hướng và du lịch.

Các nhà cung cấp bản đồ thường sử dụng dữ liệu được cung cấp bởi cộng đồng để bổ sung và làm phong phú bản đồ của họ, vì dữ liệu này có thể cung cấp thông tin và thông tin chuyên sâu có giá trị, cập nhật và phù hợp hơn so với những gì có sẵn thông qua các nguồn truyền thống. Ví dụ: nhà cung cấp bản đồ có thể sử dụng dữ liệu có nguồn gốc từ cộng đồng để thêm các điểm yêu thích mới, chẳng hạn như nhà hàng và điểm du lịch hoặc để cập nhật giờ hoạt động hoặc thông tin liên hệ cho danh sách hiện có.

Tuy nhiên, điều quan trọng cần lưu ý là dữ liệu được cung cấp bởi cộng đồng có thể khó xác minh hơn và có thể không phải lúc nào cũng chính xác. Các nhà cung cấp bản đồ thường có sẵn các quy trình để xem xét và xác thực dữ liệu được cung cấp bởi cộng đồng trước khi đưa dữ liệu đó vào bản đồ của họ, nhưng điều quan trọng cần lưu ý là loại dữ liệu này có thể không phải lúc nào cũng đáng tin cậy.

4. Tăng cường tích hợp với các công nghệ mới nổi như IoT và AR/VR

Sự phổ biến của các thiết bị cầm tay và Internet vạn vật (Internet of Things - IoT) đã tạo ra một lượng lớn dữ liệu có thể được sử dụng để nâng cao độ chính xác và mức độ phù hợp của bản đồ và dịch vụ không gian địa lý. IoT đề cập đến một mạng lưới các thiết bị được kết nối được nhúng các cảm biến và các công nghệ khác cho phép chúng thu thập, truyền và trao đổi dữ liệu. Các nhà cung cấp dịch vụ dựa trên vị trí có thể sử dụng dữ liệu IoT theo nhiều cách khác nhau, bao gồm cải thiện độ chính xác và mức độ phù hợp của các dịch vụ dựa trên vị trí cũng như nâng cao trải nghiệm của khách hàng. Nó cũng có thể được sử dụng để cải thiện hiệu quả của hậu cần bằng cách tối ưu hóa các tuyến đường và giảm mức tiêu thụ nhiên liệu, cải thiện hiệu quả của các dịch vụ công cộng như phân phối năng lượng và hiểu rõ hơn về hành vi của người tiêu dùng và xu hướng thị trường cho các doanh nghiệp.

Chúng ta cũng đang chứng kiến sự phát triển của công nghệ thực tế ảo tăng cường (AR) và thực tế ảo (VR), trong đó các công nghệ dựa trên vị trí (cụ thể hơn là bản đồ 3D) có thể giúp tạo ra trải nghiệm nhập vai ảo.

5. Tăng cường công tác theo dõi quản lý  

Với việc ngày càng có nhiều doanh nghiệp dựa vào hậu cần và quản lý chuỗi cung ứng để thực hiện các cam kết với khách hàng, nhu cầu theo dõi và quản dự kiến sẽ tăng trong những năm tới. Các công nghệ không gian địa lý và API bản đồ tùy chỉnh được sử dụng để theo dõi và quản lý các tài sản vật chất, chẳng hạn như phương tiện và thiết bị, cũng như để giám sát và tối ưu hóa việc sử dụng các tài sản này. Điều này có thể đặc biệt hữu ích cho các doanh nghiệp có số lượng lớn tài sản cần quản lý hoặc cần theo dõi vị trí và chuyển động của thiết bị của họ trong thời gian thực.

Vào năm 2023, các nhà cung cấp dịch vụ dựa trên vị trí và không gian địa lý sẽ tập trung vào việc nâng cao khả năng hiển thị của tài sản trong quá trình di chuyển và sử dụng hàng hóa, tăng cường an ninh bằng cách cảnh báo cho các nhóm hậu cần và giao hàng về bất kỳ sự di chuyển hàng hóa trái phép nào, đồng thời nâng cao hiệu quả của hệ thống vận chuyển và hậu cần.

Các công nghệ định vị và giám sát không gian địa lý có thể là những công cụ rất quan trọng đối với các doanh nghiệp cũng như các cơ quan quản lý. Tiềm năng chuyển đổi là rất lớn và các lĩnh vực ứng dụng công nghệ dựa trên vị trí tiếp tục phát triển.

Cuối cùng, hãy quan sát những điều thú vị sắp xảy ra trong năm nay!

Credit: Gaurav Bubna

Hiện tại, rất nhiều chỉ số quang phổ có thể tính toán được từ dữ liệu vệ tinh như chỉ số khác biệt thực vật, chỉ số nước, tuyết, đất, lửa, đô thị... Hai vệ tinh phổ biến là Landsat và Sentinel cung cấp cơ hội tuyệt vời cho người dùng trong việc tính toán các chỉ số này.

Bài viết này tổng hợp và trình bày lại một số chỉ số quang phổ thông dụng tính toán trên dữ liệu vệ tinh Sentinel và Landsat. Người dùng có thể ứng dụng các phép phân tích raster (raster calculation) để thực hiện các phép phân tích trên những phần mềm thông dụng như ArcGIS hay QGIS.

Các chỉ số quang phổ chính tính toán từ dữ liệu Sentinel và Landsat

Dưới đây là bộ công thức áp dụng trên các tổ hợp kênh ảnh Landsat 4, 5, 7, 8 và Sentinel MSI.

1. Chỉ số thực vật khác biệt quân bình (NDVI)

Công thức chung: NDVI = (NIR – Red) / (NIR + Red)

• NDVI (Landsat 8) = (B5 – B4) / (B5 + B4)
• NDVI (Landsat 4 – 7) = (B4 – B3) / (B4 + B3)
• NDVI (Sentinel 2) = (B8 – B4) / (B8 + B4)

2. Chỉ số thực vật khác biệt quân bình "xanh" (GNDVI)

Tương tự như NDVI, chỉ số GNDVI được biến đổi một chút để nêu bật hơn nữa tính chất biến thiên của diệp lục trong lá cây. Công thức như sau:

Công thức chung: GNDVI = (NIR-GREEN) /(NIR+GREEN)

• GNDVI (Landsat 8) = (B5 – B3) / (B5 + B3)
• GNDVI (Landsat 4 – 7) = (B4 – B2) / (B4 + B2)
• GNDVI (Sentinel 2) = (B8 – B3) / (B8 + B3)

3. Chỉ số thực vật tăng cường (EVI)

Chỉ số thực vật tăng cường EVI tương tự như NDVI và cũng được sử dụng để đánh giá mức độ tươi tốt của thực vật. Tuy nhiên, EVI đã có sự hiệu chỉnh một số điều kiện của khí quyển và nhiễu trên phần bóng của thực vật để trở nên nhạy cảm hơn với những khu vực có thực vật dày đặc. EVI sử dụng hệ số "L" để hiệu chỉnh phần bóng thực vật, hệ số "C" hiệu chỉnh khí quyển và băng xanh lam (B). Sự hiệu chỉnh này cho phép tăng cường tỷ số giữa hai kênh R và NIR, đồng thời giảm tác động của vùng bóng thực vật và nhiễu khí quyển.

Công thức chung: EVI = G * ((NIR – R) / (NIR + C1 * R – C2 * B + L))

• EVI (Landsat 8) = 2.5 * ((B5 – B4) / (B5 + 6 * B4 – 7.5 * B2 + 1))
• EVI (Landsat 4 – 7) = 2.5 * ((B4 – B3) / (B4 + 6 * B3 – 7.5 * B1 + 1))
• EVI (Sentinel 2) = 2.5 * ((B8 – B4) / (B8 + 6 * B4 – 7.5 * B2 + 1))

4. Chỉ số thực vật nâng cao (AVI)

Chỉ số toán học này, tương tự như NDVI, sử dụng hai kênh phổ là đỏ (R) và cận hồng ngoại (NIR). AVI được ứng dụng trong các nghiên cứu giám sát cây trồng và thảm phủ theo chuỗi thời gian. Nếu sử dụng kết hợp AVI và NDVI, người dùng có thể xác định tốt hơn sự khác biệt giữa các nhóm thực vật hơn việc chỉ sử dụng 1 chỉ số.

Công thức chung: AVI = [NIR * (1-Red) * (NIR-Red)] ^1/3

• AVI (Landsat 8) = [B5 * (1 – B4)*(B5 – B4)]^1/3
• AVI (Landsat 4 – 7) = [B4 * (1 – B3)*(B4 – B3)]^1/3
• AVI (Sentinel 2) = [B8 * (1 – B4)*(B8 – B4)]^1/3

5. Chỉ số thực vật có hiệu chỉnh theo môi trường đất (SAVI)

SAVI giảm bớt ảnh hưởng của môi trường đất phía dưới lớp thực vật trong chỉ số NDVI. Khi tính SAVI từ ảnh vệ tinh Landsat Surface Reflectance, các chuyên gia thêm vào hệ số "L = 0.5" trong phương trình NDVI (sử dụng hai kênh R và NIR) như một hệ số chung cho hầu hết các dạng thảm thực vật. người dùng cũng có thể tùy biên gia giảm "L" đi theo từng hoàn cảnh.

Công thức chung: SAVI = ((NIR – R) / (NIR + R + L)) * (1 + L)

• SAVI (Landsat 8) = ((B5 – B4) / (B5+ B4 + 0.5)) * (1.5)
• SAVI (Landsat 4 – 7) = ((B4 – B3) / (B4+ B3 + 0.5)) * (1.5)
• SAVI (Sentinel 2) = (B08 – B04) / (B08 + B04 + 0.428) * (1.428)

Ở công thức trên, đối với ảnh Landsat, L có giá trị 0.5; còn với Sentinel, L = 0.428.

6. Chỉ số ức chế ẩm độ (MSI)

MSI viết tắt của Moisture Stress Index - chỉ số ức chế ẩm độ, được sử dụng trong các nghiên cứu về ức chế sinh lý của thảm thực vật do thiếu nước. Giá trị của MSI tương quan nghịch với chỉ số thực vật. Điều này đồng nghĩa với việc nếu MSI càng cao thì cây trồng càng khô héo, hay nói cách khác, thiếu nước nghiêm trọng. Miền giá trị của MSI dao động từ 0 đến 3.

Công thức chung: MSI = Mid_IR / NIR

• MSI (Landsat 8) = B6 / B5
• MSI (Landsat 4 – 7) = B5 / B4
• MSI (Sentinel 2) = B11 / B08

7. Chỉ số diệp lục xanh (GCI)

Trong lĩnh vực viễn thám, chỉ số diệp lục xanh được sử dụng nhằm ước tính hàm lượng diệp lục có trong lá thực vật. Hàm lượng diệp lục đại diện cho mức độ sinh trưởng của thực vật. Chỉ số giảm khi thực vật bị ức chế và chính vì vậy GCI được ứng dụng trong theo dõi sức khỏe cây trồng.

Công thức chung: GCI = (NIR) / (Green) – 1

• GCI (Landsat 8) = (B5 / B3) -1
• GCI (Landsat 4 – 7) = (B4 / B2) -1
• GCI (Sentinel 2) = (B9 / B3) -1

8. Chỉ số cháy rừng (NBRI)

Nguyên nhân cháy rừng có thể do con người gây ra hoặc cũng do tự nhiên, nhưng điểm chung là hoạt động này phát thải vào khí quyển một lượng lớn khí nhà kính. Chỉ số NBRI sử dụng hai kênh phổ Near Infrared (cận hồng ngoại) và Short-wave Infrared (hồng ngoại sóng ngắn) là hai kênh có mức độ nhạy cảm cao với sự thay đổi của thảm thực vật để phát hiện những khu vực bị cháy hoặc quá trình phục hồi hệ sinh thái.

Công thức chung: NBR = (NIR – SWIR) / (NIR+ SWIR)

• NBRI (Landsat 8) = (B5 – B7) / (B5 + B7)
• NBRI (Landsat 4 – 7) = (B4 – B7) / (B4 + B7)
• NBRI (Sentinel 2) = (B8 – B12) / (B8 + B12)

9. Chỉ số đất trống (BSI)

Bare Soil Index (BSI) hay chỉ số đất trống, là một chỉ số kết hợp các kênh Blue (xanh lam), Red (đỏ), Near Infrared (cận hồng ngoại) và Short-wave Infrared (hồng ngoại sóng ngắn) để giám sát biến thiên trạng thái đất mặt. 

10. Chỉ số nước khác biệt quân bình (NDWI)

NDWI được ứng dụng nhiều trong giám sát nước mặt từ dữ liệu vệ tinh. Chỉ số sử dụng hai kênh phổ là Green (xanh lá cây) và Near Infrared (cận hồng ngoại) của dữ liệu viễn thám. 

Công thức chung: NDWI = (NIR – SWIR) / (NIR + SWIR)

• NDWI (Landsat 8) = (B3 – B5) / (B3 + B5)
• NDWI (Landsat 4 – 7) = (B2 – B4) / (B2 + B4)
• NDWI (Sentinel 2) = (B3 – B8) / (B3 + B8)

11. Chỉ số tuyết khác biệt quân bình (NDSI)

Tương tự như NDVI hay NDWI, chỉ số NDSI được ứng dụng trong giám sát tuyết phủ bề mặt. hai kênh Green (xanh) và Short-wave Infrared (hồng ngoại sóng ngắn) được sử dụng trong phép tính toán chỉ số. 

Công thức chung:  NDSI = (Green-SWIR) / (Green+SWIR)

• NDSI (Landsat 8) = (B3 – B6) / (B3 + B6)
• NDSI (Landsat 4 – 7) = (B2 – B5) / (B2 + B5)
• NDSI (Sentinel 2) = (B3 – B11) / (B3 + B11)

12. Chỉ số băng khác biệt quân bình (NDGI)

Chỉ số NDGI được sử dụng trong giám sát các hồ băng hoặc diện tích băng bao phủ trên bề mặt. Chỉ số sử dụng hia kênh phổ là Red và Green.

Công thức chung: NDGI = (NIR-Green)/(NIR+Green)

• NDGI (Landsat 8) = (B3 – B4) / (B3 + B4)
• NDGI (Landsat 4 – 7) = (B2 – B3) / (B2 + B3)
• NDGI (Sentinel 2) = (B3 – B4) / (B3 + B4)

13. Chỉ số thực vật kháng khí quyển (ARVI)

Chỉ số thực vật khác biệt quân bình NDVI trình bày ở trên có điểm yếu là phụ thuộc rất nhiều vào điều kiện khí quyển. ARVI được ra đời nhằm hạn chế bớt tác động của khí quyển lên giá trị NDVI. Bằng cách sử dụng thêm kênh xanh lam (blue), ARVI được tính toán như sau.

ARVI = (NIR – (2 * Red) + Blue) / (NIR + (2 * Red) + Blue)

14. Chỉ số cấu trúc điểm ảnh không nhạy cảm (SIPI)

Chỉ số cấu trúc điểm ảnh không nhạy cảm được sử dụng trong tính toán biến thiên của tán lá thực vật. Chỉ số tính toán tỷ lệ giữa các vùng lá vàng (úa, khô) và lá xanh (nhiều diệp lục) để ước tính mức độ ức chế của thực vật.

Công thức chung: SIPI = (NIR – Blue) / (NIR – Red)

Nếu phát hiện lỗi trong bài viết, xin vui lòng phản ánh qua phần Comment. Xin cám ơn.

Ứng dụng viễn thám xoay quanh các lĩnh vực khác nhau như quản lý thiên tai, nghiên cứu khí hậu, phân tích kinh tế, xã hội, địa chất, thiên văn và vật lý... Số lượng vệ tinh giám sát trái đất tính đến thời điểm hiện tại rất đa dạng và phong phú về chủng loại.  Các vệ tinh này theo dõi nhiều khu vực khác nhau trên bề mặt trái đất, truyền về trung tâm dữ liệu mặt đất một lượng lớn thông tin hàng ngày. Các nhà khoa học, nghiên cứu và các cơ quan, tổ chức luôn nỗ lực sử dụng những dữ liệu này. Tuy nhiên, phân tích dữ liệu vệ tinh khá phức tạp do lượng dữ liệu rất lớn.

Hiện nay, rất nhiều dữ liệu viễn thám được thu nhận ở các bước sóng khác nhau (kênh phổ) và cung cấp miễn phí cho người dùng. Do đó, số lượng ứng dụng dữ liệu vệ tinh ngày càng tăng trưởng mạnh. Với dữ liệu vệ tinh, người dùng có thể tiến hành các cuộc điều tra trên diện rộng trong thời gian ngắn. Dữ liệu viễn thám được phân tích theo phương pháp truyền thống với nhiều phần mềm phát triển bởi các cơ quan không gian, viện nghiên cứu, công ty tư nhân và các cá nhân trên toàn cầu. Dưới đây là một số phần mềm và công cụ xử lý ảnh vệ tinh:

1. SNAP - Brockmann Consult, SkyWatch and C-S and ESA (Download)
2. QGIS - Gary Sherman, currently maintained by volunteer developers (Download)
3. SAGA GIS - J.Böhner, O.Conrad, R.Köthe and A.Ringeler (Website) (Download) 
4. GRASS - GRASS Development Team (Download) 
5. PolSARPro - The Institute of Electronics and Telecommunications of Rennes (France) and ESA (Download)
6. Whitebox GAT - John Lindsay and Anthony Francioni (Download)

Nhóm chuyên gia của AgroInfoServ và PowerGIS phối hợp xây dựng một ứng dụng quản trị thông tin xuất nhập khẩu lấy nguồn dữ liệu của Tổng cục Hải quan. Hệ thống được xây dựng theo dạng bảng tin (dashboard) phục vụ công tác tra cứu và tóm lược thông tin. Hệ thống được liên kết với bản đồ trực tuyến giúp người xem có các thông tin về phạm vi địa lý và dễ dàng so sánh kim ngạch Xuất khẩu - Nhập khẩu.

Nhóm phát triển xin được giới thiệu cùng mọi người về sản phẩm này.

Tổng cục Phòng chống Thiên tai thuộc Bộ Nông nghiệp và Phát triển Nông thôn có công bố hàng năm về thống kê thiệt hại do thiên tai gây ra. Những số liệu này có thể không phản ánh hoàn toàn tình hình thực tế do những khó khăn trong công tác thu thập, tiếp nhận thông tin và điều tra thực địa. Tuy nhiên, bức tranh về các loại hình thiên tai, tác nhân và những đối tượng chịu ảnh hưởng có thể được phác họa nhằm phục vụ công tác lập kế hoạch và ra quyết định của cơ quan chức năng. 

Số liệu có thể được tham khảo và tải về từ trang web của Tổng cục Phòng chống Thiên tai theo địa chỉ dưới đây:

http://phongchongthientai.mard.gov.vn/Pages/Thong-ke-thiet-hai.aspx

Với hình thức bảng số liệu, dãy số liệu thống kê về các loại hình thiên tai, thiệt hại và tác nhân được lưu trữ riêng rẽ từng năm, gây khó khăn trong việc theo dõi, tổng hợp và phân tích thông tin. Nhóm chuyên gia của P-GIS đã tải về các bảng số liệu này và thiết kế một hệ thống theo dõi, tổng hợp thông tin trên giao diện đơn giản và thuận tiện hơn cho người dùng.

Hy vọng công cụ này sẽ giúp ích cho các nhà nghiên cứu và các chuyên gia muốn tìm hiểu số liệu về thiên tai ở Việt Nam.

Dãy số liệu được thống kê từ năm 2006 đến 2020.

Ghi chú: Người dùng có thể kết xuất (export) bảng số liệu tập tin Excel để phục vụ mục đích báo cáo và tình bày kết quả.

Ứng dụng trực tuyến thống kê thiệt hại do thiên tai gây ra được nhóm phát triển của P-GIS xây dựng.

Một WebGIS được coi là nền tảng (Platform) sẽ được hiểu là một hệ thống WebGIS hoạt động giống như hạt nhân của các trang web bản đồ trực tuyến (online GIS, WebGIS, online map, web map). Các lập trình viên có thể sử dụng nhân WebGIS này và lập trình bằng nhiều ngôn ngữ khác nhau qua giao tiếp API để xây dựng giao diện của trang web và kết nối với nhân WebGIS nhằm tạo ra một trang web với tính năng bản đồ trực tuyến.

③ Về tính năng kỹ thuật

⮊ ArcGIS Online

ArcGIS Online được trang bị nhiều tính năng hỗ trợ đa hệ điều hành. Được xây dựng bởi công ty hàng đầu thế giới về công nghệ GIS, hệ thống nổi bật hơn hẳn những nền tảng còn lại. Người dùng của ESRI yêu thích phần mềm này vì họ có hầu như tất cả những gì mong muốn, từ biên tập bản đồ, dựng cảnh 3D, thu thập dữ liệu thực địa. Xây dựng ứng dụng cho thiết bị cầm tay cũng khá dễ dàng với Web App Builder (WAB). Người dùng có thể lưu dữ liệu trên máy chủ của ESRI là ArcGIS Server. Các lập trình viên sẽ tiến hành chỉnh sửa mẫu biểu trong các tập tin HTML, CSS hay Javascript để cá nhân hóa ứng dụng tạo những nét riêng biệt cho trang web của mình.

 ⑦ Quy mô ứng dụng

⮊ ArcGIS Online

ArcGIS Online phù hợp cho các tổ chức lớn hoặc quy mô chính phủ. Nếu như bạn có ngân sách lớn và muốn quản lý trên diện rộng, đây là công cụ phù hợp nhất. Trong trường hợp bạn không phải là một lập trình viên giỏi thì ArcGIS Online là sự lựa chọn không tồi. Trong điều kiện tổ chức của bạn sử dụng các ứng dụng khác của ESRI, việc tích hợp ArcGIS Online và các phần mềm trong hệ sinh thái của ESRI trở nên rất giá trị và đơn giản.

⮊ Carto

Carto sẽ rất thú vị nếu bạn biết lập trình và muốn xây dựng một ứng dụng bản đồ trực tuyến theo ý muốn bằng các API của nền tảng. Đặc biệt, khi bạn giỏi Postgress và PostGIS, những thành phần cốt lõi của Carto, bạn sẽ rất thích dùng nền tảng này.

⮊ Mapbox

Khi quy mô dữ liệu và lưu lượng truy cập của bạn không cố định, Mapbox sẽ mang đến một sự lựa chọn rất tốt về tài chính. Bạn chỉ trả phí cho lượng dữ liệu mà người dùng truy cập vào trang web của bạn. Mapbox cũng là một trong những hệ thống tinh tế nhất hiện nay. Mặc dù đứng thứ 2 về tính phổ dụng, Mapbox vẫn đòi hỏi bạn một chút kinh nghiệm về lập trình.

⮊ Mango Map

Mango Map là hệ thống có mức trả phí rẻ nhất hiện nay, bạn chỉ trả khoảng 50 USD một tháng. Không những tốt về giá, đây cũng là một nền tảng dễ sử dụng nhất. Tuy không nhiều tính năng nhưng nó lại thực sự hữu ích cho các nhà bản đồ yêu thích tính đơn giản.

⮊ GIS Cloud

Nếu như bạn chỉ cần Hiển thị, Chỉnh sửa vector và Thu thập dữ liệu, hãy dùng ngay GIS Cloud. Nền tảng phù hợp cho các tổ chức nhỏ từ 5-10 người. Các phần mềm QGIS và ArcGIS đều có plugin xuất bản Bản đồ của GIS Cloud - rất tiện lợi, giúp bạn bỏ qua giao diện web trên trình duyệt và xuất bản thẳng nội dung từ các phần mềm GIS này.

Cuối cùng, bạn có thể dùng thử tất cả các hệ thống này và tự rút ra cho mình kết luận về nền tảng yêu thích nhất. Đối với P-GIS, nếu không phải trả tiền thì GIS Cloud là sự lựa chọn hàng đầu, tiếp theo là Carto rồi đến ArcGIS. Mango Map đứng thứ 4, P-GIS thích hệ thống này nhưng ghét trả phí. Còn riêng Mapbox, cái này quá phức tạp và tốn thời gian, kể cả khâu tích hợp các layer bản đồ lên Mapbox cũng không được dễ dàng cho lắm.

Xem thêm:

Phần 1

Phần 2

P-GIS Team

Nguồn: GIS  Geography