Home › Lectures › GeoAI

🌏 জিওএআই · GeoAI

AI ও ভৌগোলিক বিজ্ঞানের সমন্বয়ে স্থানিক বুদ্ধিমত্তা।

Spatial intelligence combining AI and geoscience.

📅 ৫. জিওএআই⏳ ~6 সপ্তাহ📘 12 টপিক🧩 36 সাব-টপিক🎬 0 ভিডিও💻 রানযোগ্য কোড

🎯 যা শিখবেন / Outcomes

Apply ML/DL to imagery and spatio-temporal data

🧰 টুলস / Tools

TorchGeo, segment-geospatial, geoai

🏁 প্রজেক্ট / Capstone

Flood extent mapping with Sentinel-1 + U-Net

📌 পূর্বশর্ত / Prerequisites

🛰️ Remote Sensing 📍 Spatial Statistics 👁️ Computer Vision

📅

সাপ্তাহিক পরিকল্পনা · Weekly plan

~২ ঘণ্টা/দিন ধরে

Week 1

What is GeoAI
ML on Satellite Imagery

Week 2

Deep Learning for Remote Sensing
Semantic Segmentation of Land Cover

Week 3

Building & Road Extraction
Geospatial Foundation Models

Week 4

Spatio-temporal Forecasting
Graph Neural Networks for Spatial Data

Week 5

Flood & Disaster Mapping with AI
Climate & Health GeoAI

Week 6

GeoAI with LLMs
End-to-end GeoAI Project Bangladesh

1

What is GeoAI

AI applied to geographic data.
Beginner
📘 বাংলা: AI + ভৌগোলিক ডেটা—স্থানভিত্তিক বুদ্ধিমত্তা।
🌐 English: AI applied to geographic data.

💡 AI ও ভূবিজ্ঞানের সমন্বয়—জলবায়ু, দুর্যোগ, স্বাস্থ্য ও নগরে নতুন সম্ভাবনা।

  1. 1
    GeoAI = স্থানিক ডেটায় মেশিন লার্নিং ও ডিপ লার্নিং প্রয়োগ
  2. 2
    ডেটা উৎস: স্যাটেলাইট ছবি, ড্রোন, GPS/মোবিলিটি, সেন্সর, জরিপ, OpenStreetMap
  3. 3
    বিশেষ দিক: স্থানিক অটোকোরিলেশন, স্কেল, CRS, বিশাল রাস্টার
  4. 4
    কাজের ধরন: শ্রেণিবিন্যাস, বস্তু শনাক্ত, সেগমেন্টেশন, পূর্বাভাস, ইন্টারপোলেশন
সংজ্ঞা ও ইতিহাস
ডেটাস্যাটেলাইট, GPS, সেন্সর
প্রয়োগক্ষেত্রকৃষি, দুর্যোগ, স্বাস্থ্য, নগর
📖 বিস্তারিত নোট, ভিডিও ও কুইজ →
2

ML on Satellite Imagery

Pixel classification with RF/XGBoost.
Beginner
📘 বাংলা: Random Forest/XGBoost দিয়ে পিক্সেল শ্রেণিবিন্যাস।
🌐 English: Pixel classification with RF/XGBoost.

💡 ক্লাসিক্যাল ML দিয়ে দ্রুত ও নির্ভরযোগ্য ভূমি/ফসল মানচিত্র।

  1. 1
    প্রতিটি পিক্সেল/পলিগন = একটি নমুনা; ফিচার = ব্যান্ড, সূচক, টেক্সচার, সময় সিরিজ পরিসংখ্যান
  2. 2
    লেবেল: মাঠ জরিপ বা বিশেষজ্ঞ চিহ্নিতকরণ
  3. 3
    Random Forest/XGBoost প্রশিক্ষণ; feature importance দেখুন
  4. 4
    পুরো ছবিতে পূর্বাভাস → মানচিত্র; স্বাধীন নমুনায় যাচাই
ব্যান্ড ও সূচক ফিচার হিসেবে
Random Forest/XGBoost প্রশিক্ষণ
স্পেশিয়াল ক্রস-ভ্যালিডেশন
📖 বিস্তারিত নোট, ভিডিও ও কুইজ →
3

Deep Learning for Remote Sensing

CNN/U-Net for satellite imagery.
Beginner
📘 বাংলা: CNN/U-Net দিয়ে স্যাটেলাইট ছবি বিশ্লেষণ।
🌐 English: CNN/U-Net for satellite imagery.

💡 হাতে ফিচার না বানিয়েই ছবির স্থানিক প্যাটার্ন শেখা—উচ্চতর নির্ভুলতা।

  1. 1
    বড় ছবিকে প্যাচে (যেমন ২৫৬×২৫৬) ভাগ
  2. 2
    মাল্টিস্পেকট্রাল ইনপুট: ৩-এর বেশি চ্যানেল—প্রথম লেয়ার পরিবর্তন করুন
  3. 3
    প্রি-ট্রেইনড (ImageNet বা রিমোট সেন্সিং-বিশেষ) ব্যাকবোন দিয়ে fine-tune
  4. 4
    TorchGeo: ডেটাসেট, স্যাম্পলার, প্রি-ট্রেইনড মডেল এক জায়গায়
CNN দিয়ে প্যাচ ক্লাসিফিকেশন
মাল্টিস্পেকট্রাল ইনপুট
TorchGeo লাইব্রেরি
📖 বিস্তারিত নোট, ভিডিও ও কুইজ →
4

Semantic Segmentation of Land Cover

Pixel-level land-cover mapping.
Beginner
📘 বাংলা: পিক্সেল স্তরে ভূমি শ্রেণি।
🌐 English: Pixel-level land-cover mapping.

💡 প্রতিটি পিক্সেলে ক্লাস—বিস্তারিত ভূমি আচ্ছাদন ও পানি মানচিত্র।

  1. 1
    ছবি ও লেবেল মাস্ক একই গ্রিডে (একই CRS, রেজোলিউশন)
  2. 2
    প্যাচে কাটা ও অগমেন্টেশন (flip, rotate)
  3. 3
    U-Net / DeepLabV3+ প্রশিক্ষণ (segmentation_models_pytorch); ক্লাস ভারসাম্যের জন্য Dice/Focal loss
  4. 4
    IoU/F1 দিয়ে মূল্যায়ন; বড় ছবিতে sliding window ও ওভারল্যাপ দিয়ে পূর্বাভাস
U-Net আর্কিটেকচার
লেবেল মাস্ক প্রস্তুতি
IoU ও F1 দিয়ে মূল্যায়ন
📖 বিস্তারিত নোট, ভিডিও ও কুইজ →
5

Building & Road Extraction

Auto-extract buildings and roads.
Intermediate
📘 বাংলা: ছবি থেকে স্বয়ংক্রিয়ভাবে ভবন ও রাস্তা।
🌐 English: Auto-extract buildings and roads.

💡 হালনাগাদ ভবন ও রাস্তার মানচিত্র—দুর্যোগ প্রস্তুতি, জনসংখ্যা অনুমান, নগর পরিকল্পনা।

  1. 1
    উচ্চ-রেজোলিউশন ছবি (<১ মি) দরকার
  2. 2
    Instance segmentation (Mask R-CNN) বা SAM-Geo দিয়ে ভবন আলাদা
  3. 3
    রাস্তা: সেগমেন্টেশন → স্কেলিটন → নেটওয়ার্ক গ্রাফ
  4. 4
    পলিগনে রূপান্তর ও নিয়মিতকরণ (সোজা কোণ), OpenStreetMap-এর সাথে তুলনা
ইনস্ট্যান্স সেগমেন্টেশন
SAM-Geo দিয়ে জিরো-শট
ভেক্টরাইজেশনরাস্টার থেকে পলিগন
📖 বিস্তারিত নোট, ভিডিও ও কুইজ →
6

Geospatial Foundation Models

Large pretrained geo models (Prithvi, SAM-Geo).
Intermediate
📘 বাংলা: Prithvi, SAM-Geo ইত্যাদি বড় মডেল।
🌐 English: Large pretrained geo models (Prithvi, SAM-Geo).

💡 কম লেবেলে বহু কাজে ভালো ফল—পৃথিবী পর্যবেক্ষণের "GPT মুহূর্ত"।

  1. 1
    বিশাল লেবেলহীন স্যাটেলাইট ডেটায় self-supervised প্রি-ট্রেনিং (masked autoencoder)
  2. 2
    উদাহরণ: Prithvi (NASA-IBM, HLS ডেটা), SatMAE, Clay, SAM (সাধারণ সেগমেন্টেশন)
  3. 3
    নিজের কাজে ছোট হেড যোগ করে fine-tune (বন্যা, ফসল, আগুনের দাগ)
  4. 4
    Hugging Face থেকে লোড; কম্পিউট প্রয়োজন বিবেচনা
Prithvi (NASA-IBM)
SatMAE ও Clay
ফাইন-টিউন করে নিজস্ব কাজ
📖 বিস্তারিত নোট, ভিডিও ও কুইজ →
7

Spatio-temporal Forecasting

Forecast across space and time — heat, air quality.
Intermediate
📘 বাংলা: স্থান ও সময় একসাথে পূর্বাভাস—তাপপ্রবাহ, বায়ুমান।
🌐 English: Forecast across space and time — heat, air quality.

💡 কোথায় এবং কখন—তাপপ্রবাহ, বায়ুমান, রোগ প্রাদুর্ভাবের পূর্বাভাস।

  1. 1
    ডেটা কাঠামো: স্থান × সময় × ফিচার (xarray বা লম্বা টেবিল)
  2. 2
    ফিচার: ল্যাগ, প্রতিবেশীর গড় (spatial lag), আবহাওয়া, ভূমি ব্যবহার
  3. 3
    মডেল: XGBoost (ট্যাবুলার), ConvLSTM (গ্রিড), গ্রাফ + টাইম মডেল (স্টেশন নেটওয়ার্ক)
  4. 4
    যাচাই: সময়ে ভবিষ্যৎ ও স্থানে নতুন এলাকা—দুটোই
ConvLSTM
গ্রাফ + টাইম মডেল
প্রয়োগতাপপ্রবাহ, AQI পূর্বাভাস
📖 বিস্তারিত নোট, ভিডিও ও কুইজ →
8

Graph Neural Networks for Spatial Data

GNNs for road and network data.
Intermediate
📘 বাংলা: রাস্তা/নেটওয়ার্ক ডেটায় GNN।
🌐 English: GNNs for road and network data.

💡 রাস্তা, নদী, সেন্সর নেটওয়ার্ক—সম্পর্কযুক্ত ডেটায় গ্রাফ নিউরাল নেটওয়ার্ক।

  1. 1
    গ্রাফ তৈরি: নোড (মোড়, স্টেশন, জেলা), এজ (রাস্তা, সীমানা, দূরত্ব)
  2. 2
    নোড ফিচার ও এজ ওজন নির্ধারণ
  3. 3
    GCN/GAT: প্রতিবেশীর তথ্য একত্র করে নোড রিপ্রেজেন্টেশন শেখে
  4. 4
    PyTorch Geometric দিয়ে নোড ক্লাসিফিকেশন বা লিংক/ট্রাফিক পূর্বাভাস
রোড নেটওয়ার্ক গ্রাফ
GCN ও GAT
ট্রাফিক ও গতিশীলতা পূর্বাভাস
📖 বিস্তারিত নোট, ভিডিও ও কুইজ →
9

Flood & Disaster Mapping with AI

Rapid flood and disaster maps.
Advanced
📘 বাংলা: বন্যা ও দুর্যোগের দ্রুত মানচিত্র।
🌐 English: Rapid flood and disaster maps.

💡 বাংলাদেশে প্রতি বছর বন্যা—দ্রুত মানচিত্রই দ্রুত ত্রাণ।

  1. 1
    দুর্যোগের আগে ও পরে Sentinel-1 SAR সংগ্রহ
  2. 2
    থ্রেশহোল্ড বা U-Net দিয়ে পানি শনাক্ত; স্থায়ী পানি (নদী) বাদ
  3. 3
    জনসংখ্যা, ঘরবাড়ি, ফসলের স্তরের সাথে ওভারলে করে ক্ষতিগ্রস্ত সংখ্যা
  4. 4
    স্বয়ংক্রিয় পাইপলাইন (Earth Engine/Python) ও ওয়েব মানচিত্রে প্রকাশ
Sentinel-1 দিয়ে পানি শনাক্ত
রিয়েল-টাইম ম্যাপিং পাইপলাইন
বাংলাদেশের বন্যা উদাহরণ
📖 বিস্তারিত নোট, ভিডিও ও কুইজ →
10

Climate & Health GeoAI

Spatial models of climate and health risk.
Advanced
📘 বাংলা: জলবায়ু, রোগ ও স্বাস্থ্য ঝুঁকির স্থানিক মডেল।
🌐 English: Spatial models of climate and health risk.

💡 জলবায়ু পরিবর্তন স্বাস্থ্যে প্রভাব ফেলে—কোথায় কারা সবচেয়ে ঝুঁকিতে তা জানা জরুরি।

  1. 1
    বিপদ (hazard): তাপমাত্রা, আর্দ্রতা, বন্যা, লবণাক্ততা স্তর
  2. 2
    সংস্পর্শ (exposure) ও দুর্বলতা (vulnerability): জনসংখ্যা, বয়স, দারিদ্র্য, স্বাস্থ্যসেবা দূরত্ব
  3. 3
    স্বাস্থ্য ফলাফলের সাথে মডেল: হিটস্ট্রোক, ডায়রিয়া, ডেঙ্গু (ল্যাগসহ)
  4. 4
    ঝুঁকি = বিপদ × সংস্পর্শ × দুর্বলতা মানচিত্র ও আগাম সতর্কতা
জলবায়ু ঝুঁকি ম্যাপিং
রোগ বাহক আবাসস্থল মডেল
তাপ ও স্বাস্থ্য সম্পর্ক
📖 বিস্তারিত নোট, ভিডিও ও কুইজ →
11

GeoAI with LLMs

Natural-language map queries and geo agents.
Advanced
📘 বাংলা: প্রাকৃতিক ভাষায় মানচিত্র প্রশ্ন ও জিও এজেন্ট।
🌐 English: Natural-language map queries and geo agents.

💡 প্রাকৃতিক ভাষায় মানচিত্রকে প্রশ্ন করা—GIS সবার জন্য সহজ।

  1. 1
    প্রশ্ন → LLM দিয়ে স্পেশিয়াল SQL বা GeoPandas কোড তৈরি
  2. 2
    জিও এজেন্ট: টুল হিসেবে buffer, sjoin, geocode, Earth Engine
  3. 3
    মাল্টিমোডাল মডেল দিয়ে স্যাটেলাইট ছবির বর্ণনা ও প্রশ্নোত্তর
  4. 4
    ফল যাচাই: CRS, একক ও জ্যামিতি সঠিক কিনা
প্রাকৃতিক ভাষা → স্পেশিয়াল কুয়েরি
জিও এজেন্টটুল হিসেবে GIS
মাল্টিমোডাল মডেল দিয়ে ছবি ব্যাখ্যা
📖 বিস্তারিত নোট, ভিডিও ও কুইজ →
12

End-to-end GeoAI Project Bangladesh

Complete project with Bangladesh data.
Advanced
📘 বাংলা: বাংলাদেশের ডেটা দিয়ে সম্পূর্ণ প্রজেক্ট।
🌐 English: Complete project with Bangladesh data.

💡 সব দক্ষতা একসাথে—চাকরি ও গবেষণার জন্য শক্তিশালী পোর্টফোলিও।

  1. 1
    সমস্যা ও প্রশ্ন: যেমন "উপকূলীয় ইউনিয়নে তাপ-স্বাস্থ্য ঝুঁকি"
  2. 2
    ডেটা: Sentinel/Landsat, ERA5 জলবায়ু, প্রশাসনিক সীমানা, জনসংখ্যা, স্বাস্থ্য ডেটা
  3. 3
    মডেল: ফিচার ইঞ্জিনিয়ারিং → ML/DL → স্থানিক ক্রস-ভ্যালিডেশন → ব্যাখ্যা (SHAP)
  4. 4
    প্রকাশ: ওয়েব মানচিত্র ড্যাশবোর্ড, GitHub রিপো, সংক্ষিপ্ত রিপোর্ট/পেপার
সমস্যা নির্বাচন ও ডেটা সংগ্রহ
মডেল প্রশিক্ষণ ও যাচাই
ওয়েব ড্যাশবোর্ডে প্রকাশ
📖 বিস্তারিত নোট, ভিডিও ও কুইজ →
💻

হাতে-কলমে কোড · Hands-on code

Run চাপুন — পাইথন আপনার ব্রাউজারেই চলবে (Ctrl+Enter)
import numpy as np
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import classification_report
# Pixel classification with spectral features (synthetic Sentinel-2 like bands)
rng=np.random.default_rng(7)
def sample(n,mu): return rng.normal(mu,0.03,(n,4))   # blue, green, red, nir
X=np.vstack([sample(300,[.05,.06,.04,.02]),sample(300,[.04,.08,.05,.40]),sample(300,[.12,.13,.15,.20])]); y=np.repeat([0,1,2],300)
ndvi=((X[:,3]-X[:,2])/(X[:,3]+X[:,2]))[:,None]; X=np.hstack([X,ndvi])
idx=rng.permutation(900); tr,te=idx[:600],idx[600:]
m=RandomForestClassifier(200,random_state=0).fit(X[tr],y[tr])
print(classification_report(y[te],m.predict(X[te]),target_names=["water","vegetation","urban"]))
📝

অনুশীলন · Practice tasks

  1. Sentinel-2 + RF দিয়ে ভূমি ব্যবহার মানচিত্র
  2. U-Net দিয়ে বন্যা সেগমেন্টেশন (Colab/TorchGeo)
  3. বাংলাদেশের তাপপ্রবাহ ঝুঁকি GeoAI ড্যাশবোর্ড
  4. ক্যাপস্টোন: Flood extent mapping with Sentinel-1 + U-Net
❓

কুইজ · Quick quiz

1. স্যাটেলাইট সেগমেন্টেশনে জনপ্রিয় আর্কিটেকচার?

2. স্পেশিয়াল ক্রস-ভ্যালিডেশন কেন?

🎬

ভিডিও লাইব্রেরি · Videos

সাইটের ভেতরে ফ্লোটিং প্লেয়ারে চলবে
এই শাখার ভিডিও এখনো সংরক্ষিত হয়নি। যেকোনো টপিক পেজ খুললে ভিডিও স্বয়ংক্রিয়ভাবে খুঁজে MySQL-এ সংরক্ষিত হবে (API key থাকলে)।

📺 Reference channels

🇧🇩 Bangla GeoAI ↗
🌐 Qiusheng Wu ↗Spatial Thoughts ↗
🔗

সংযুক্ত বিষয় · Connected

🕸️ নেটওয়ার্কে দেখুন💻 ল্যাবে খুলুন
← আগের শাখা📍 Spatial Statisticsপরের শাখা →🏗️ Big Data & Data Engineering
🎬 Video