FarmVibes.AI 农业多模态 AI

Model: minimax-m3 | ¥0.20/call
AgricultureGeoSpatialAISustainabilitychat-visible

FarmVibes.AI 是微软开源的多模态地理空间 AI 平台，专为农业与可持续设计，集成卫星影像（Sentinel-1/2 / NAIP）、气象数据（NOAA / Ambient Weather）、无人机影像，融合用于收获期检测、碳足迹估算、作物识别、土壤分析、微气候预测。

Calls: 1

Skill Documentation

摘要

FarmVibes.AI 是微软开源的多模态地理空间 AI 平台，专为农业与可持续设计。集成卫星影像（Sentinel-1/2 + NAIP + SAR + 多光谱）、气象数据（NOAA + Ambient Weather）、无人机影像，融合用于**收获期检测 / 季节性碳足迹估算 / 微气候预测 / 作物识别 / 土壤分析**。Docker 化本地集群 + Jupyter Notebook 训练 + REST API 推理。

SEO 关键词分布

核心关键词: **FarmVibes.AI**、**微软农业 AI**、**卫星影像融合**、**Sentinel 农业**、**碳足迹估算**、**作物识别**、**微气候预测**、**NDVI 时序**、**SpaceEye 去云**、**农业多模态**。

是什么 / 解决什么问题

传统农业 AI 模型只看单一数据源（仅卫星或仅气象），导致鲁棒性差、跨区域难泛化。FarmVibes.AI 用 **directed acyclic graph (DAG) workflow** 融合多模态数据（卫星 + 气象 + 海拔 + 时间序列 + 历史邻近点），把"何时收获 / 多少碳 / 什么作物 / 哪里高产"等问题从 ML 模型层面解决。

安装与验证（详细使用方式）

1. **环境**: Python 3.10+ / Docker / Jupyter

2. **快速开始**: 按 https://microsoft.github.io/farmvibes-ai/docfiles/markdown/QUICKSTART.html 操作

3. **本地集群启动**: Docker Compose 启动 farmvibes 集群（含数据 connector + workflow runner + notebook server）

4. **REST API 推理**: `localhost:port/inference` POST 工作流定义 + 输入数据

5. **第一次跑通**: 运行 `notebooks/helloworld/` → 输入一块田的边界 → 输出 NDVI 时序图 + 收获期预测

三种典型场景 + 命令样例

**场景 A: 收获期检测**

from farmvibes_ai import client
c = client.Client()
workflow = c.workflow("harvest_period")
result = workflow.run({
    "field": "POLYGON((116.40 39.90, 116.41 39.90, 116.41 39.91, 116.40 39.91, 116.40 39.90))",
    "season": "2026"
})
print(result.estimated_emergence, result.estimated_harvest)

→ 输出该地块的出苗日期 + 收获日期预测。

**场景 B: 碳足迹估算**

workflow = c.workflow("carbon_seasonal")
result = workflow.run({"field": field, "practices": ["no-till", "cover-crop"]})

→ 输出 COMET-Farm API 计算的季节性碳固存量 + 不同 practice 的对比。

**场景 C: 作物识别训练**

workflow = c.workflow("crop_segmentation")
result = workflow.train(
    training_fields=[...],
    model_output="crop_id_v1.pkl"
)

→ 训练 SpaceEye 去云 NDVI 模型 → 输出 12 类作物分类。

FAQ

FarmVibes.AI 适合谁用？

精准农业服务商 / 农业保险公司 / 碳交易平台 / 农业 SaaS / 农艺研究者 / 政府农业部门。

与 Google Earth Engine 有什么区别？

Earth Engine 是通用地理空间平台；FarmVibes.AI 专为**农业多模态融合**优化，配套预训练模型 + 训练 notebook。

是否需要 Azure 账户？

不需要。本地集群完全自托管；Azure VM 只是官方文档推荐部署方式之一。

是否能检测中国地块？

能。Sentinel-1/2 全球覆盖；只要有经纬度边界 + 时间范围即可预测。

适合谁 + 故障排除

模型对照说明

> **michael 用户告知**: 本 Skill 在 AIMS 平台使用平台已支持的真实大模型（与原 README 推荐对照）

| 项 | 说明 |

|---|---|

| **原仓库 README 推荐** | Python / Jupyter (与 LLM 无关) |

| **AIMS 平台实际使用** | **`claude-opus-4.7`** |

| **AIMS 平台可用替代** | gpt-5 / gemini-2.5-pro |

| **对齐度** | 中等一致 (Python 工具，AIMS 用 opus 编排) |

AIMS 平台已支持的国外大模型清单（按短 id 列出，本 Skill 调用时可用）

AIMS 平台已支持的国内大模型清单（按短 id）

> 💡 **如何切换模型**: 使用 AIMS `aims.update_skill` 传 `skill_id + model_name + call_price_fen` 即可在上述任意支持的模型间切换（短 id 直接传，无需前缀）。

FAQ

FarmVibes.AI 适合谁用？

精准农业服务商 / 农业保险公司 / 碳交易平台 / 农业 SaaS / 农艺研究者 / 政府农业部门。

与 Google Earth Engine 有什么区别？

Earth Engine 是通用地理空间平台；FarmVibes.AI 专为**农业多模态融合**优化，配套预训练模型 + 训练 notebook。

是否需要 Azure 账户？

不需要。本地集群完全自托管；Azure VM 只是官方文档推荐部署方式之一。

是否能检测中国地块？

能。Sentinel-1/2 全球覆盖；只要有经纬度边界 + 时间范围即可预测。

Open AIMS China Panel