Luận án đã đạt được những kết quả:

Quan trọng trong việc phát triển hệ suy diễn mờ phức không-thời gian. Hệ thống mới đã được chứng minh là có khả năng dự báo ngắn hạn chuỗi ảnh vệ tinh với độ chính xác cao hơn so với các phương pháp truyền thống. Các mô hình và phương pháp đề xuất không chỉ cải thiện hiệu quả dự báo mà còn giảm thời gian xử lý và yêu cầu ít dữ liệu đầu vào hơn. Những đóng góp này có thể ứng dụng rộng rãi trong các lĩnh vực liên quan đến quản lý tài nguyên, môi trường, và các hoạt động kinh tế liên quan đến dữ liệu viễn thám.

Hướng phát triển:

1. Ứng dụng rộng rãi: Mở rộng ứng dụng của hệ suy diễn mờ phức không-thời gian vào các lĩnh vực khác như dự báo thời tiết, quản lý tài nguyên đất, và theo dõi biến đổi khí hậu.

2. Nâng cao mô hình: Tiếp tục nghiên cứu để cải thiện các mô hình hiện tại, áp dụng các kỹ thuật học máy tiên tiến và học sâu để nâng cao độ chính xác và hiệu quả của dự báo.

3. Hợp tác quốc tế: Mở rộng hợp tác với các tổ chức nghiên cứu quốc tế để chia sẻ dữ liệu, công nghệ và phương pháp, từ đó cải thiện chất lượng nghiên cứu và ứng dụng.

4. Phát triển công cụ phần mềm: Xây dựng các công cụ phần mềm dựa trên hệ suy diễn mờ phức không-thời gian để hỗ trợ các nhà nghiên cứu và quản lý trong việc dự báo và phân tích dữ liệu viễn thám.