Mavic 3M NDVI -- đọc đúng 5 band cho nông nghiệp

Bài này dành cho consultant precision agriculture đang chuẩn hóa quy trình bay multispectral, agritech startup đang xây chuỗi dữ liệu từ drone về nền tảng SaaS, và agronomy researcher cần hiểu rõ sensor trước khi diễn giải NDVI map. Mục tiêu: trả lời chính xác 5 band của Mavic 3M thu được gì, NDVI tính ra sao, vai trò Sunlight Sensor, và quy trình chuẩn từ flight planning tới NDVI map xuất khỏi DJI Terra.

Multispectral khác RGB ở đâu -- và vì sao quan trọng

Camera RGB chụp 3 dải sóng nhìn thấy được bằng mắt người: Red (~650nm), Green (~550nm), Blue (~450nm). Đủ để con người nhìn ảnh và phán đoán cây xanh hay vàng. Nhưng mắt người thấy "xanh" không có nghĩa cây khỏe -- nhiều khi cây đã stress 2-3 tuần trước khi triệu chứng hiển thị ra màu nhìn được.

Multispectral camera bổ sung các dải sóng mắt người không thấy được -- đặc biệt là Red Edge và Near Infrared (NIR). Đây là 2 dải nhạy nhất với hoạt động sinh lý của thực vật. Cây khỏe hấp thụ mạnh ánh sáng đỏ cho quang hợp và phản chiếu mạnh ánh sáng NIR -- sự chênh lệch này cho phép tính ra các chỉ số như NDVI, NDRE, GNDVI. Khi tôi train học viên DJI Agriculture, phần khó nhất không phải thao tác bay -- mà là chuyển từ cách nhìn "cây xanh = tốt" sang cách nhìn "phổ phản chiếu = data".

Mavic 3M không thay thế RGB -- nó cộng thêm 4 band đơn sắc song song với RGB camera 20MP. Nghĩa là mỗi flight thu được đồng thời ảnh RGB chất lượng cao (cho photogrammetry, ground truth so sánh) và 4 band multispectral (cho NDVI và các chỉ số). Đây là điểm mạnh kiến trúc -- không phải chọn giữa RGB hay multispectral, mà có cả hai trong một flight.

5 band của Mavic 3M -- mỗi band thu cái gì

Mỗi band multispectral là một sensor 5MP riêng biệt, CMOS 1/2.8 inch. Đây là điểm khác biệt với một số multispectral camera dùng filter wheel quay qua một CMOS chung -- Mavic 3M chụp 4 band đồng thời, giúp geometric alignment giữa các band ở mức pixel mà không cần post-process align thủ công.

NDVI -- công thức và thang giá trị thực tế

NDVI (Normalized Difference Vegetation Index) là chỉ số được dùng phổ biến nhất trong nông nghiệp drone vì 2 lý do: công thức đơn giản (chỉ cần 2 band), và đã có hơn 40 năm nghiên cứu khoa học làm baseline. Công thức:

NDVI = (NIR − Red) / (NIR + Red)

Vì đây là tỷ lệ chuẩn hóa, kết quả luôn nằm trong khoảng −1 đến +1, không phụ thuộc cường độ ánh sáng tuyệt đối. Đây là điểm mạnh thiết kế -- NDVI 0.7 sáng nay sẽ tương đương NDVI 0.7 chiều nay (về mặt sinh học), miễn là được calibrate đúng.

Lưu ý: thang này không tuyệt đối. Lúa giai đoạn chín sáp có NDVI thấp hơn giai đoạn đẻ nhánh, nhưng đó là sinh lý bình thường -- không phải bệnh. Đọc NDVI luôn phải kèm context: cây gì, giai đoạn nào, vùng nào, vụ thứ mấy. Chi tiết về các sai lầm phổ biến khi đọc NDVI đã viết trong bài b12 -- 5 sai lầm đọc NDVI phổ biến nhất.

Sunlight Sensor (DLS) -- vì sao quyết định khả năng so sánh giữa các flight

Trên đỉnh Mavic 3M có một cảm biến hướng lên trời gọi là Sunlight Sensor -- còn gọi là DLS (Downwelling Light Sensor). Đây là chi tiết phần cứng dễ bị bỏ qua nhất, nhưng quyết định việc data multispectral có dùng được giữa các flight hay không.

Bài toán: cường độ ánh sáng mặt trời thay đổi liên tục -- sáng sớm khác giữa trưa, hôm nay khác hôm qua, mùa khô khác mùa mưa. Nếu chỉ đo phản chiếu từ tán cây mà không biết ánh sáng đầu vào là bao nhiêu, không thể nói cây thực sự khỏe lên hay chỉ vì hôm nay nắng hơn. Đây gọi là vấn đề radiometric calibration.

Sunlight Sensor đo cường độ ánh sáng tới (irradiance) tại đúng thời điểm camera dưới chụp ảnh phản chiếu. Khi xử lý trong DJI Terra, mỗi pixel multispectral được chuẩn hóa theo cường độ ánh sáng tương ứng -- tạo ra giá trị reflectance (phản chiếu tương đối) thay vì giá trị raw. Hai flight cách nhau 7 ngày, một lúc 9h sáng nắng nhẹ, một lúc 11h trưa nắng gắt -- sau khi qua DLS calibration, NDVI có thể so sánh được.

Calibration panel (tấm calibration) là bước bổ sung cho độ chính xác cao hơn. Trước và sau mỗi flight, chụp ảnh tấm panel chuẩn (thường là tấm xám có reflectance đã biết). DJI Terra dùng ảnh này để hiệu chuẩn tuyệt đối, kết hợp với DLS data để cho ra reflectance chính xác nhất. Với hầu hết ứng dụng nông nghiệp commercial, DLS đủ -- calibration panel chỉ cần khi làm research yêu cầu absolute reflectance.

Quy trình chụp + xử lý trong DJI Terra -- 7 bước chuẩn

Đây là quy trình tôi dùng khi training và yêu cầu mọi đội bay thực hiện theo thứ tự. Bỏ qua bước nào -- data về có thể vẫn xuất ra NDVI map, nhưng kết quả không đáng tin để ra quyết định canh tác.

Thời gian xử lý phụ thuộc số ảnh và cấu hình máy: 500 ảnh multispectral (tương đương ~25 ha mapping) mất khoảng 1.5-3 giờ trên máy có GPU rời. Nếu volume lớn (>2000 ảnh/ngày), cần xem xét workstation cấu hình cao hoặc cloud processing.

5 trường hợp ứng dụng Việt Nam -- multispectral mang lại gì

Lúa (Mekong Delta): NDVI map theo dõi đồng đều trên thửa ruộng, phát hiện sớm vùng stress để xử lý cục bộ thay vì phun đều cả thửa. NDRE đặc biệt hữu ích giai đoạn đẻ nhánh-trổ khi tán lá đã dày, NDVI bão hòa nhưng NDRE còn nhạy.

Cà phê (Tây Nguyên): Multispectral đánh giá tình trạng tán cây sau mùa khô, phát hiện vùng cần tưới bổ sung. GNDVI nhạy với mức chlorophyll, hỗ trợ quyết định bón phân lá theo vùng.

Sầu riêng: Vườn sầu riêng giá trị cao, mỗi cây có thể trị giá hàng triệu đồng/năm. NDVI theo dõi từng cây riêng lẻ, phát hiện cây có dấu hiệu stress trước khi triệu chứng nhìn thấy bằng mắt -- kịp thời can thiệp.

Thanh long: Trụ thanh long trồng theo hàng đều, dễ phân tích bằng zonal statistics trên NDVI map. Phát hiện vùng nấm bệnh sớm khi NDVI giảm cục bộ.

Dứa: Diện tích thường lớn, đồng đều -- multispectral hỗ trợ ra prescription map cho variable rate fertilization, tiết kiệm phân bón ở vùng đã đủ dinh dưỡng.

Lưu ý: 5 trường hợp ứng dụng trên là mô tả khả năng kỹ thuật của sensor và quy trình -- kết quả thực tế phụ thuộc nhiều vào chất lượng baseline data, ground truth, và kinh nghiệm agronomist diễn giải. Multispectral là công cụ hỗ trợ quyết định, không thay thế chuyên môn nông học.

5 lỗi phổ biến tôi gặp khi rà soát data multispectral

1. So sánh flight không có DLS calibration -- flight A bay 9h sáng, flight B bay 14h chiều, không bật DLS hoặc DLS lỗi. NDVI khác nhau do ánh sáng, không phải do cây. Quyết định canh tác dựa trên chênh lệch giả này gây tốn phân thuốc không cần thiết.

2. Diễn giải NDVI từ một band đơn lẻ -- NDVI là chỉ số tỷ lệ giữa NIR và Red. Một số người nhìn ảnh NIR đen-trắng đơn lẻ và tự gán nghĩa "vùng tối là cây bệnh" -- sai. NIR raw không phải NDVI. Phải qua công thức và visualization mới có ý nghĩa.

3. Bay overlap quá thấp -- quen quy chuẩn RGB mapping (60-70% overlap), áp dụng cho multispectral. 4 band cần stitch độc lập với độ chính xác cao -- overlap thấp gây hole hoặc misalignment giữa các band, NDVI map có vùng artifact.

4. Bỏ qua kiểm tra ảnh raw trước khi xử lý -- DJI Terra báo lỗi không phải lúc nào cũng rõ ràng. Trước khi chạy processing 2-3 giờ, kiểm tra random 10-20 ảnh trong từng band: có ảnh nào quá tối, quá sáng, mờ, hoặc thiếu metadata DLS không? Phát hiện sớm tiết kiệm thời gian xử lý lại.

5. Không lưu metadata flight -- không ghi giờ bay chính xác, điều kiện thời tiết, có hay không calibration panel, giai đoạn sinh trưởng cây. Sau 6 tháng nhìn lại NDVI map cũ, không thể giải thích được biến động -- data trở thành mảnh không context, không dùng được cho phân tích lịch sử.

“12 năm làm UAV, tôi rút ra: thiết bị multispectral cao cấp giải quyết được 30% bài toán precision agriculture. 70% còn lại là quy trình chuẩn, calibration đúng, và người diễn giải data có hiểu biết nông học. Mavic 3M là công cụ tốt -- nhưng công cụ tốt vào tay người chưa nắm quy trình vẫn ra data không dùng được. -- Đúc rút từ training 500+ học viên DJI Agriculture”

Tích hợp Mavic 3M vào hệ sinh thái precision agriculture

Mavic 3M không phải endpoint -- nó là một mắt xích trong quy trình precision agriculture đầy đủ. Output từ DJI Terra (GeoTIFF NDVI map) có thể đưa vào:

Farm management nền tảng (FMS) -- upload NDVI map làm layer trên bản đồ thửa ruộng, kết hợp với data IoT (cảm biến độ ẩm đất, trạm thời tiết) để ra decision dashboard cho agronomist.

Variable Rate Application (VRA) -- convert NDVI map thành prescription map (file ISO-XML hoặc shapefile) đưa vào máy phun thuốc/bón phân có hỗ trợ VRA. Vùng NDVI thấp được phun nhiều hơn, vùng NDVI cao phun ít -- tiết kiệm 15-30% chi phí input tùy mức biến thiên.

ERP/GIS doanh nghiệp -- với agribusiness lớn quản lý hàng ngàn hectare, NDVI map thành KPI theo dõi sức khỏe vườn theo vùng, theo vụ. Chi tiết về tích hợp data drone vào hệ thống ERP/GIS đã viết trong bài B11.

Khi nào nên đầu tư Mavic 3M, khi nào nên thuê dịch vụ

Tự đầu tư hợp lý khi: Quản lý hơn 100 ha cây trồng giá trị cao (sầu riêng, cà phê đặc sản, vườn rau hữu cơ commercial). Có nhân sự nội bộ chuyên trách bay drone tối thiểu 1 ngày/tuần. Có agronomist hoặc đối tác kỹ thuật đọc được NDVI để ra quyết định.

Thuê dịch vụ phù hợp khi: Diện tích nhỏ (<50 ha) hoặc bay không định kỳ. Chưa có nhân sự được đào tạo. Cần thử nghiệm trước khi quyết định đầu tư. Vụ giá trị đặc biệt cao (cây giống, research trial) cần độ chính xác cao và muốn outsource trách nhiệm cho chuyên gia.

Giá Mavic 3M tham khảo trên DJI Enterprise -- cần xác nhận với đại lý ủy quyền cho cấu hình combo cụ thể, chính sách bảo hành, và phụ kiện đi kèm. Chi phí thuê dịch vụ multispectral mapping tại Việt Nam dao động theo diện tích, tần suất bay, và yêu cầu xử lý -- nên yêu cầu báo giá từ 2-3 nhà cung cấp để so sánh.

Bài liên quan

Đọc thêm: B12 -- 5 sai lầm đọc NDVI phổ biến nhất B09 -- LiDAR và Multispectral, chọn sensor nào B11 -- Tích hợp data drone vào ERP/GIS T01 -- Setup RTK base station.

Mavic 3M là sensor mạnh, nhưng giá trị thực sự đến từ quy trình đúng từ flight planning tới NDVI interpretation. Nếu quý anh chị đang đánh giá Mavic 3M cho dự án precision agriculture hoặc đang triển khai mà chưa chắc chắn về calibration, có thể gửi bối cảnh qua trang liên hệ để tôi xem trong phạm vi kinh nghiệm và dữ liệu có sẵn.