北京——2023年6月20日亞馬遜云科技在re:Invent 2022大會上宣布了Amazon SageMaker地理空間功能的預覽版，它讓數(shù)據(jù)科學家和機器學習工程師能夠使用地理空間數(shù)據(jù)來構建、訓練和部署機器學習模型。Amazon SageMaker地理空間機器學習功能支持訪問現(xiàn)成的地理空間數(shù)據(jù)、專門構建的處理操作和開源庫、預訓練機器學習模型和內(nèi)置的可視化工具。

預覽期間，該功能獲得了很多客戶的關注和反饋?，F(xiàn)在Amazon SageMaker地理空間功能已全面可用，新增了安全特性和更多用例。

在Amazon SageMaker Studio使用地理空間機器學習功能

Amazon SageMaker地理空間功能具備以下三大優(yōu)勢：

?地球觀測任務——使用專門構建的地理空間操作采集、轉換和可視化衛(wèi)星圖像數(shù)據(jù)，基于預訓練機器學習模型實現(xiàn)預測并獲取洞察。

?矢量擴展任務——優(yōu)化運營增強用戶數(shù)據(jù)，例如將地理坐標轉換為可讀地址。

?地圖可視化——實現(xiàn)CSV、JSON或GeoJSON文件上傳的衛(wèi)星圖像或地圖數(shù)據(jù)的可視化。

用戶可以在SageMaker Studio Notebook中創(chuàng)建所有地球觀測任務（Earth Observation Jobs, EOJ），進而使用專門構建的地理空間操作來處理衛(wèi)星數(shù)據(jù)。

矢量擴展任務（VEJ）通過專門構建的反向地理編碼和地圖匹配操作使位置數(shù)據(jù)更加豐富。用戶在使用SageMaker Studio Notebook執(zhí)行VEJ的同時，也可以通過用戶界面查看創(chuàng)建的所有任務。如果要在Notebook中使用可視化功能，用戶首先需要將輸出結果導入到Amazon Simple Storage Service（Amazon S3）存儲桶中。

用戶可以使用地圖可視化功能對地理空間數(shù)據(jù)、EOJ或VEJ任務的輸入以及從Amazon S3存儲桶導出的輸出進行可視化。

新增安全特性

在Amazon SageMaker地理空間功能全面可用的同時，亞馬遜云科技還針對其安全方面推出了兩項更新：客戶自行管理Amazon KMS的密鑰服務Amazon Key Management Service（Amazon KMS），以及客戶在Amazon VPC環(huán)境下進行地理空間操作的 Amazon Virtual Private Cloud（Amazon VPC）。

Amazon KMS客戶管理密鑰使客戶能夠使用自己的密鑰對地理空間工作負載進行加密，從而提高了靈活性和可控性。

用戶可以使用KmsKeyId在地球觀測任務和矢量擴展任務中指定自己的密鑰作為可選參數(shù)。如果客戶沒有提供KmsKeyId，則將使用服務自帶的密鑰對客戶內(nèi)容進行加密。如需了解更多信息，請參閱亞馬遜云科技文檔Amazon KMS支持的SageMaker地理空間功能。

借助Amazon VPC，用戶可以完全控制自己的網(wǎng)絡環(huán)境，并更安全地連接到亞馬遜云科技上的地理空間工作負載，也可以在Amazon VPC環(huán)境中使用SageMaker Studio或Notebook進行SageMaker地理空間操作，并通過SageMaker地理空間操作中的VPC端點接口執(zhí)行SageMager地理空間的API操作。

地理空間機器學習應用案例

各行各業(yè)的客戶都在利用Amazon SageMaker地理空間功能構建應用于現(xiàn)實世界的應用程序。

最大限度地提高糧食產(chǎn)量和食品安全

數(shù)字農(nóng)業(yè)指應用數(shù)字解決方案，通過先進的數(shù)據(jù)分析和機器學習技術，幫助農(nóng)民優(yōu)化農(nóng)作物生產(chǎn)。數(shù)字農(nóng)業(yè)應用需要使用地理空間數(shù)據(jù)，包括農(nóng)民田地所在地區(qū)的衛(wèi)星圖像。

通過預訓練土地覆蓋物分割模型，用戶可以使用SageMaker在衛(wèi)星圖像中識別農(nóng)田邊界。

損害評估

自然災害愈加頻繁且傷害嚴重，因此，為決策者和急救人員提供快速準確的損害評估非常重要。用戶可以借助地理空間圖像來預測自然災害造成的損失，并在自然災害發(fā)生后立即使用地理空間數(shù)據(jù)來快速評估其對建筑物、道路或其他關鍵基礎設施的損害。

用戶利用2022年10月中旬澳大利亞羅切斯特洪水發(fā)生前后的圖像訓練和部署模型，并預測洪水造成的自然災害損失，最終獲得了羅切斯特洪水的分割標記結果圖。從下圖可以看到，模型已經(jīng)確定了洪水區(qū)域內(nèi)可能受損的位置。

通過GitHub存儲庫，用戶可以使用多時態(tài)Sentinel-2衛(wèi)星數(shù)據(jù)訓練和部署地理空間分割模型，以評估山火損失。本示例關注的地區(qū)位于加利福尼亞州北部，該地區(qū)在2021年曾遭受迪克西山火的影響。

監(jiān)測氣候變化

全球變暖增加了干旱的風險。以美國最大的水庫米德湖為例，用戶可以使用SageMaker地理空間功能獲取數(shù)據(jù)、執(zhí)行分析，并直觀顯示其變化，以監(jiān)測因氣候變化而導致的海岸線萎縮。

用戶可以在GitHub存儲庫中找到該示例的Notebook代碼。

預測零售需求

用戶還可以使用SageMaker地理空間功能來執(zhí)行基于矢量的地圖匹配操作，并實現(xiàn)結果可視化。地圖匹配允許用戶將龐雜的GPS坐標與路段相匹配。借助Amazon SageMaker的地理空間功能，用戶可以執(zhí)行VEJ對地圖進行匹配。執(zhí)行這類任務，用戶需要輸入包含路線信息（如經(jīng)度、緯度和GPS度量的時間戳）的CSV文件，最終獲得包含預測路線的GeoJSON文件。

支持城市可持續(xù)發(fā)展

Arup是亞馬遜云科技的客戶之一，它使用機器學習等技術來探索高溫對城市的影響以及當?shù)貧鉁氐挠绊懸蛩兀詫崿F(xiàn)更好的城市規(guī)劃并助力可持續(xù)發(fā)展。城市熱島效應及其帶來的相關風險與問題是當今城市面臨的最大挑戰(zhàn)之一。

利用Amazon SageMaker地理空間功能，Arup通過地球觀測數(shù)據(jù)識別和測量城市熱因子，顯著提高了他們?yōu)榭蛻籼峁┳稍兎盏哪芰?。Arup工程團隊通過訪問更多數(shù)量、更多類型數(shù)據(jù)，以及對更大型數(shù)據(jù)集的分析，從而完成了以前很難開展的分析工作。

現(xiàn)已可用

Amazon SageMaker地理空間功能現(xiàn)已在美國西部（俄勒岡州）區(qū)域全面可用。作為亞馬遜云科技免費套餐（ Free Tier ）的一部分，用戶可以免費開始使用SageMaker地理空間功能，有效期30天，包含10小時的免費ml.geospatial.interactive計算、以及高達10GB的免費存儲空間，無需支付每月150美元的使用費。