观测
Nexa Vision
获取光学影像，并在每块放牧区域的裁切范围内计算指数。
— 运营背景
运营层面的问题
- 01牧场缺少持续跟踪
草场状况随降雨与放牧压力变化，却很少以可对比的方式被记录。
- 02地域尺度
在大型牧场上有用地走遍每一个围栏分区并不现实。
- 03凭感知决定轮牧
缺少历史序列时，转移畜群的决定依赖一次性的目视判断。
- 04气候与管理脱节
水分亏缺时段能解释草况下降的大部分原因，却未被纳入记录。
— Convex 架构
从观测到行动
同一套架构贯穿所有行业。变化的只是哪一层最为关键，以及哪些专有系统参与其中。
观测→
解读→
决策→
协同
解读
Nexa M1
读取逐周期演化，撰写该区域的地域诊断。
决策
Atmos
将当地气候背景应用于该时段的解读。
协同
Synapse Control
安排周期日程，并按区域自动交付报告。
— 数据层
驱动分析管线的数据
与本行业已部署系统兼容的数据源。不预设任何数据层：每个受监测区域都会声明其实际可用的数据。
轨道光学影像
经云量校验、覆盖声明区域的 Sentinel-2 多光谱影像。
光谱指数
在每块放牧区域多边形上计算的长势指数。
地理空间数据
按围栏分区或区域组合提供的 GeoJSON 多边形。
时间序列
同一区域跨周期、跨季节的对比。
气候背景
观测时段内的当地降水与温度。
— 应用
技术应用
每项应用都说明所解决的问题、使用的数据、参与的 Convex 系统以及产生的运营输出。
放牧区域的相对状况
围栏分区之间缺乏客观对比。
- 数据
- 按多边形计算的光谱指数。
- 系统
- Nexa Vision
- 输出
- 按区域出图，呈现牧草长势的空间分布。
跨周期演化
在没有历史的情况下决定轮牧。
- 数据
- 按区域的时间序列。
- 系统
- Nexa Vision + Nexa M1
- 输出
- 按区域的演化曲线，突出持续性下降。
该时段的气候解读
草况下降缺少可记录的解释。
- 数据
- 当地气象序列。
- 系统
- Atmos
- 输出
- 附于周期报告的降雨与温度背景。
多区域跟踪
拥有众多不同围栏分区的牧场。
- 数据
- 与订阅绑定的多边形集合。
- 系统
- Synapse Control
- 输出
- 按区域独立运行的周期，并自动交付报告。
— 运营流程
一个闭环，从传感器到档案
- 01采集
在本周期内为每块放牧区域选取符合条件的光学影像。
- 02处理
按多边形计算指数，将每个围栏分区单独切分。
- 03解读
Nexa M1 将当前周期与同一区域的历史对比。
- 04警报
持续草况下降的区域被突出显示。
- 05行动
团队决定轮牧、休牧或现场踏访。
- 06历史
该周期被归档，纳入该区域的时间序列。
— 交付物
系统交付的内容
地图
按区域呈现的牧草状况空间分布。
时间序列
每个受监测围栏分区的逐周期演化。
诊断
对该时段地域演化的书面解读。
报告
按周期、按监测区域生成的 PDF。
气候背景
与观测时段关联的当地条件。
— 技术阶段
按能力划分的成熟度
我们明确区分已投入运营的能力与仍在研发中的能力。研究和原型不会被当作已部署的产品来呈现。
- 已投入运营牧场地域监测
按区域完整运行的周期，含光谱指数与报告。
- 已投入运营按区域的历史
同一牧场跨周期的回溯对比。
- 研发中动物个体识别
不属于本产品。目前不提供任何个体追踪能力。
- 研发中衍生的畜牧学指标
草场状况与畜群表现的关联性仍在研究中。
— 应用场景
应用场景
↳肉牛养殖
轮牧或连续放牧制度下的大面积区域。
↳奶牛养殖
较小的围栏分区，需要频繁跟踪。
↳羊类养殖
对碎片化区域的地域管理。
↳种养结合
一年内在农业用途与放牧之间交替的区域。
