Ini adalah postingan tamu yang ditulis bersama oleh Shravan Kumar dan Avirat S dari Gramener.
Gramer, Sebuah Berusaha perusahaan, berkontribusi terhadap pembangunan berkelanjutan dengan berfokus pada pertanian, kehutanan, pengelolaan air, dan energi terbarukan. Dengan menyediakan alat dan wawasan yang dibutuhkan pihak berwenang untuk membuat keputusan yang tepat mengenai dampak lingkungan dan sosial, Gramener memainkan peran penting dalam membangun masa depan yang lebih berkelanjutan.
Pulau panas perkotaan (Urban Heat Island/UHI) adalah wilayah di dalam kota yang mengalami suhu jauh lebih tinggi dibandingkan wilayah pedesaan di sekitarnya. UHI semakin menjadi perhatian karena dapat menyebabkan berbagai masalah lingkungan dan kesehatan. Untuk mengatasi tantangan ini, Gramener telah mengembangkan solusi yang menggunakan data spasial dan teknik pemodelan tingkat lanjut untuk memahami dan mengurangi dampak UHI berikut:
- Perbedaan suhu โ UHI dapat menyebabkan daerah perkotaan menjadi lebih panas dibandingkan daerah pedesaan di sekitarnya.
- Dampak kesehatan โ Suhu yang lebih tinggi di UHI berkontribusi terhadap peningkatan 10-20% penyakit dan kematian terkait panas.
- Konsumsi energi - UHI meningkatkan kebutuhan AC, sehingga menyebabkan lonjakan konsumsi energi hingga 20%.
- Kualitas udara - UHI memperburuk kualitas udara, menyebabkan peningkatan kadar kabut asap dan partikel, yang dapat meningkatkan masalah pernapasan.
- Dampak ekonomi โ UHI dapat mengakibatkan tambahan biaya energi, kerusakan infrastruktur, dan pengeluaran layanan kesehatan senilai miliaran dolar.
Solusi GeoBox Gramener memberdayakan pengguna untuk dengan mudah memanfaatkan dan menganalisis data geospasial publik melalui API yang kuat, memungkinkan integrasi tanpa hambatan ke dalam alur kerja yang ada. Hal ini menyederhanakan eksplorasi dan menghemat waktu dan sumber daya yang berharga, memungkinkan masyarakat dengan cepat mengidentifikasi titik panas UHI. GeoBox kemudian mengubah data mentah menjadi wawasan yang dapat ditindaklanjuti dan disajikan dalam format yang mudah digunakan seperti raster, GeoJSON, dan Excel, memastikan pemahaman yang jelas dan implementasi segera dari strategi mitigasi UHI. Hal ini memberdayakan masyarakat untuk membuat keputusan yang tepat dan menerapkan inisiatif pembangunan perkotaan berkelanjutan, yang pada akhirnya mendukung masyarakat melalui peningkatan kualitas udara, pengurangan konsumsi energi, dan lingkungan yang lebih sejuk dan sehat.
Posting ini menunjukkan bagaimana solusi GeoBox Gramener menggunakan kemampuan geospasial Amazon SageMaker untuk melakukan analisis pengamatan bumi dan membuka wawasan UHI dari citra satelit. Kemampuan geospasial SageMaker memudahkan ilmuwan data dan insinyur pembelajaran mesin (ML) untuk membangun, melatih, dan menerapkan model menggunakan data geospasial. Kemampuan geospasial SageMaker memungkinkan Anda mentransformasikan dan memperkaya kumpulan data geospasial berskala besar secara efisien, serta mempercepat pengembangan produk dan waktu untuk mendapatkan wawasan dengan model ML yang telah dilatih sebelumnya.
Ikhtisar solusi
Geobox bertujuan untuk menganalisis dan memprediksi efek UHI dengan memanfaatkan karakteristik spasial. Hal ini membantu dalam memahami bagaimana usulan infrastruktur dan perubahan penggunaan lahan dapat berdampak pada pola UHI dan mengidentifikasi faktor-faktor utama yang mempengaruhi UHI. Model analitik ini memberikan perkiraan suhu permukaan tanah (LST) yang akurat pada tingkat granular, memungkinkan Gramener mengukur perubahan efek UHI berdasarkan parameter (nama indeks dan data yang digunakan).
Geobox memungkinkan departemen kota melakukan hal berikut:
- Peningkatan adaptasi iklim perencanaan โ Keputusan yang tepat mengurangi dampak peristiwa panas ekstrem.
- Dukungan untuk perluasan ruang hijau โ Lebih banyak ruang hijau meningkatkan kualitas udara dan kualitas hidup.
- Peningkatan kolaborasi antardepartemen โ Upaya terkoordinasi meningkatkan keselamatan publik.
- Kesiapsiagaan darurat yang strategis โ Perencanaan yang tertarget mengurangi potensi keadaan darurat.
- Kolaborasi layanan kesehatan โ Kerjasama menghasilkan intervensi kesehatan yang lebih efektif.
Alur kerja solusi
Pada bagian ini, kita membahas bagaimana berbagai komponen bekerja sama, mulai dari akuisisi data hingga pemodelan spasial dan peramalan, yang menjadi inti dari solusi UHI. Solusinya mengikuti alur kerja terstruktur, dengan fokus utama pada penanganan UHI di kota Kanada.
Fase 1: Saluran data
Satelit Landsat 8 menangkap citra rinci dari area yang diteliti setiap 15 hari pada pukul 11:30, memberikan gambaran menyeluruh tentang lanskap dan lingkungan kota. Sistem grid dibuat dengan ukuran grid 48 meter menggunakan perpustakaan Supermercado Python Mapbox pada tingkat zoom 19, memungkinkan analisis spasial yang tepat.
Fase 2: Analisis eksplorasi
Mengintegrasikan lapisan data infrastruktur dan populasi, Geobox memberdayakan pengguna untuk memvisualisasikan distribusi variabel kota dan memperoleh wawasan morfologi perkotaan, memungkinkan analisis komprehensif terhadap struktur dan perkembangan kota.
Selain itu, citra Landsat dari fase 1 digunakan untuk memperoleh wawasan seperti Indeks Vegetasi Perbedaan Ternormalisasi (NDVI) dan Indeks Perbedaan Terbangun Normalisasi (NDBI), dengan data yang diskalakan secara cermat ke grid 48 meter untuk konsistensi dan akurasi.
Variabel berikut digunakan:
- Suhu permukaan tanah
- Membangun cakupan situs
- NDVI
- Cakupan blok bangunan
- NDBI
- Luas bangunan
- Albedo
- Jumlah bangunan
- Indeks Air Perbedaan Normalisasi yang Dimodifikasi (MNDWI)
- Tinggi bangunan
- Jumlah lantai dan luas lantai
- Rasio luas lantai
Fase 3: Model analitik
Fase ini terdiri dari tiga modul, yang menggunakan model ML pada data untuk mendapatkan wawasan tentang LST dan hubungannya dengan faktor berpengaruh lainnya:
- Modul 1: Statistik dan agregasi zona โ Statistik zona memainkan peran penting dalam menghitung statistik menggunakan nilai dari nilai raster. Ini melibatkan penggalian data statistik untuk setiap zona berdasarkan raster zona. Agregasi dilakukan pada resolusi 100 meter, memungkinkan analisis data yang komprehensif.
- Modul 2: Pemodelan spasial โ Gramener mengevaluasi tiga model regresi (efek tetap linier, spasial, dan spasial) untuk mengungkap korelasi antara Suhu Permukaan Tanah (LST) dan variabel lainnya. Di antara model-model tersebut, model efek tetap spasial menghasilkan nilai rata-rata R-kuadrat tertinggi, terutama untuk jangka waktu 2014 hingga 2020.
- Modul 3: Peramalan variabel โ Untuk memperkirakan variabel dalam jangka pendek, Gramener menggunakan teknik pemulusan eksponensial. Perkiraan ini membantu dalam memahami nilai LST di masa depan dan trennya. Selain itu, mereka mempelajari analisis skala jangka panjang dengan menggunakan data Representative Concentration Pathway (RCP8.5) untuk memprediksi nilai LST dalam jangka waktu lama.
Akuisisi dan preprocess data
Untuk mengimplementasikan modul, Gramener menggunakan notebook geospasial SageMaker di dalamnya Studio Amazon SageMaker. Kernel notebook geospasial sudah diinstal sebelumnya dengan pustaka geospasial yang umum digunakan, memungkinkan visualisasi langsung dan pemrosesan data geospasial dalam lingkungan notebook Python.
Gramener menggunakan berbagai kumpulan data untuk memprediksi tren LST, termasuk penilaian bangunan dan data suhu, serta citra satelit. Kunci dari solusi UHI adalah menggunakan data dari satelit Landsat 8. Satelit pencitraan Bumi ini, yang merupakan perusahaan patungan antara USGS dan NASA, berperan sebagai komponen fundamental dalam proyek tersebut.
Dengan PencarianRasterDataCollection API, SageMaker menyediakan fungsionalitas yang dibuat khusus untuk memfasilitasi pengambilan citra satelit. Gramener menggunakan API ini untuk mengambil data satelit Landsat 8 untuk solusi UHI.
Grafik SearchRasterDataCollection
API menggunakan parameter masukan berikut:
- RNA โ Amazon Resource Name (ARN) dari kumpulan data raster yang digunakan dalam kueri
- Area OfInterest โ Poligon GeoJSON yang mewakili area yang diinginkan
- Filter Rentang Waktu โ Rentang waktu yang diminati, dinotasikan sebagai
{StartTime: <string>, EndTime: <string>}
- Filter Properti โ Filter properti tambahan, seperti spesifikasi tutupan awan maksimum yang dapat diterima, juga dapat disertakan
Contoh berikut menunjukkan bagaimana data Landsat 8 dapat dikueri melalui API:
Untuk mengolah data satelit skala besar, digunakan Gramener Pemrosesan SageMaker Amazon dengan wadah geospasial. SageMaker Processing memungkinkan penskalaan cluster komputasi yang fleksibel untuk mengakomodasi tugas dengan berbagai ukuran, mulai dari memproses satu blok kota hingga mengelola beban kerja berskala planet. Secara tradisional, membuat dan mengelola cluster komputasi secara manual untuk tugas-tugas seperti itu memakan biaya dan waktu, terutama karena kompleksitas yang terlibat dalam standarisasi lingkungan yang sesuai untuk penanganan data geospasial.
Kini, dengan wadah geospasial khusus di SageMaker, pengelolaan dan menjalankan klaster untuk pemrosesan geospasial menjadi lebih mudah. Proses ini memerlukan upaya pengkodean minimal: Anda cukup menentukan beban kerja, menentukan lokasi data geospasial di dalamnya Layanan Penyimpanan Sederhana Amazon (Amazon S3), dan pilih wadah geospasial yang sesuai. SageMaker Processing kemudian secara otomatis menyediakan sumber daya cluster yang diperlukan, memfasilitasi pelaksanaan tugas geospasial yang efisien pada skala yang berkisar dari tingkat kota hingga tingkat benua.
SageMaker sepenuhnya mengelola infrastruktur dasar yang diperlukan untuk pekerjaan pemrosesan. Ini mengalokasikan sumber daya cluster selama durasi pekerjaan dan menghapusnya setelah pekerjaan selesai. Terakhir, hasil tugas pemrosesan disimpan dalam bucket S3 yang ditentukan.
Pekerjaan Pemrosesan SageMaker menggunakan gambar geospasial dapat dikonfigurasi sebagai berikut dari dalam buku catatan geospasial:
Parameter instance_count menentukan berapa banyak instance yang harus digunakan oleh tugas pemrosesan, dan instance_type menentukan jenis instance yang harus digunakan.
Contoh berikut menunjukkan bagaimana skrip Python dijalankan pada kluster tugas pemrosesan. Ketika perintah run dipanggil, klaster akan memulai dan secara otomatis menyediakan sumber daya klaster yang diperlukan:
Pemodelan spasial dan prediksi LST
Dalam pekerjaan pemrosesan, serangkaian variabel, termasuk pancaran spektral atmosfer bagian atas, suhu kecerahan, dan reflektansi dari Landsat 8, dihitung. Selain itu, variabel morfologi seperti rasio luas lantai (FAR), cakupan lokasi bangunan, cakupan blok bangunan, dan Nilai Entropi Shannon dihitung.
Kode berikut menunjukkan bagaimana aritmatika pita ini dapat dilakukan:
Setelah variabel dihitung, statistik zonal dilakukan untuk mengumpulkan data berdasarkan grid. Hal ini melibatkan penghitungan statistik berdasarkan nilai kepentingan dalam setiap zona. Untuk perhitungan ini ukuran grid sekitar 100 meter telah digunakan.
Setelah mengumpulkan data, dilakukan pemodelan spasial. Gramener menggunakan metode regresi spasial, seperti regresi linier dan efek tetap spasial, untuk memperhitungkan ketergantungan spasial dalam observasi. Pendekatan ini memfasilitasi pemodelan hubungan antar variabel dan LST pada tingkat mikro.
Kode berikut menggambarkan bagaimana pemodelan spasial dapat dijalankan:
Gramener menggunakan pemulusan eksponensial untuk memprediksi nilai LST. Pemulusan eksponensial adalah metode efektif untuk peramalan deret waktu yang menerapkan rata-rata tertimbang pada data masa lalu, dengan bobot yang menurun secara eksponensial seiring waktu. Metode ini sangat efektif dalam menghaluskan data untuk mengidentifikasi tren dan pola. Dengan menggunakan pemulusan eksponensial, visualisasi dan prediksi tren LST dapat dilakukan dengan lebih presisi, sehingga memungkinkan prediksi nilai masa depan yang lebih akurat berdasarkan pola historis.
Untuk memvisualisasikan prediksi, Gramener menggunakan buku catatan geospasial SageMaker dengan pustaka geospasial sumber terbuka untuk melapisi prediksi model pada peta dasar dan menyediakan kumpulan data geospasial visualisasi berlapis langsung di dalam buku catatan.
Kesimpulan
Postingan ini menunjukkan bagaimana Gramener memberdayakan klien untuk membuat keputusan berdasarkan data untuk lingkungan perkotaan yang berkelanjutan. Dengan SageMaker, Gramener mencapai penghematan waktu yang besar dalam analisis UHI, mengurangi waktu pemrosesan dari berminggu-minggu menjadi berjam-jam. Generasi wawasan yang cepat ini memungkinkan klien Gramener untuk menentukan area yang memerlukan strategi mitigasi UHI, secara proaktif merencanakan pembangunan perkotaan dan proyek infrastruktur untuk meminimalkan UHI, dan mendapatkan pemahaman holistik tentang faktor lingkungan untuk penilaian risiko yang komprehensif.
Temukan potensi mengintegrasikan data observasi Bumi dalam proyek keberlanjutan Anda dengan SageMaker. Untuk informasi lebih lanjut, lihat Memulai kemampuan geospasial Amazon SageMaker.
Tentang Penulis
Abhishek Mital adalah Arsitek Solusi untuk tim sektor publik di seluruh dunia dengan Amazon Web Services (AWS), tempat ia bekerja terutama dengan mitra ISV di seluruh industri, memberikan mereka panduan arsitektur untuk membangun arsitektur yang dapat diskalakan dan menerapkan strategi untuk mendorong adopsi layanan AWS. Dia bersemangat memodernisasi platform tradisional dan keamanan di cloud. Di luar pekerjaan, dia adalah seorang penggila perjalanan.
Janosch Woschitz adalah Arsitek Solusi Senior di AWS, yang berspesialisasi dalam AI/ML. Dengan pengalaman lebih dari 15 tahun, dia mendukung pelanggan secara global dalam memanfaatkan AI dan ML untuk solusi inovatif dan membangun platform ML di AWS. Keahliannya mencakup pembelajaran mesin, rekayasa data, dan sistem terdistribusi yang dapat diskalakan, ditambah dengan latar belakang yang kuat dalam rekayasa perangkat lunak dan keahlian industri dalam domain seperti mengemudi otonom.
Shravan Kumar adalah Direktur Senior kesuksesan Klien di Gramener, dengan pengalaman puluhan tahun di bidang Analisis Bisnis, Penginjilan Data & menjalin Hubungan Klien yang mendalam. Dia memiliki dasar yang kuat dalam Manajemen Klien, Manajemen Akun dalam bidang analisis data, AI & ML.
Avirat S adalah ilmuwan data geospasial di Gramener, yang memanfaatkan AI/ML untuk membuka wawasan dari data geografis. Keahliannya terletak pada manajemen bencana, pertanian, dan perencanaan kota, dimana analisisnya menginformasikan proses pengambilan keputusan.
- Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
- PlatoData.Jaringan Vertikal Generatif Ai. Berdayakan Diri Anda. Akses Di Sini.
- PlatoAiStream. Intelijen Web3. Pengetahuan Diperkuat. Akses Di Sini.
- PlatoESG. Karbon, teknologi bersih, energi, Lingkungan Hidup, Tenaga surya, Penanganan limbah. Akses Di Sini.
- PlatoHealth. Kecerdasan Uji Coba Biotek dan Klinis. Akses Di Sini.
- Sumber: https://aws.amazon.com/blogs/machine-learning/understanding-and-predicting-urban-heat-islands-at-gramener-using-amazon-sagemaker-geospatial-capabilities/
- :memiliki
- :adalah
- :Di mana
- $NAIK
- 1
- 100
- 11
- 15 tahun
- 15%
- 16
- 17
- 19
- 1900
- 20
- 2014
- 2020
- 30
- 31
- 7
- 8
- a
- Tentang Kami
- mempercepat
- diterima
- menampung
- Akun
- manajemen akun
- ketepatan
- tepat
- dicapai
- perolehan
- di seluruh
- ditindaklanjuti
- Tambahan
- Selain itu
- alamat
- menangani
- Adopsi
- maju
- agregat
- agregasi
- pengumpulan
- pertanian
- AI
- AI / ML
- bertujuan
- UDARA
- mengalokasikan
- mengizinkan
- Membiarkan
- memungkinkan
- juga
- am
- Amazon
- Amazon SageMaker
- geospasial Amazon SageMaker
- Amazon Web Services
- Layanan Web Amazon (AWS)
- antara
- memperkuat
- an
- analisis
- Analytical
- analisis
- menganalisa
- dan
- dan infrastruktur
- api
- berlaku
- pendekatan
- sesuai
- sekitar
- arsitektur
- arsitektur
- ADALAH
- DAERAH
- daerah
- AS
- penilaian
- At
- ditambah
- Pihak berwenang
- secara otomatis
- otonom
- AWS
- latar belakang
- PITA
- mendasarkan
- berdasarkan
- bbc
- BE
- karena
- menjadi
- menjadi
- menjadi
- antara
- miliaran
- Memblokir
- kedua
- BT
- membangun
- Bangunan
- bisnis
- by
- dihitung
- menghitung
- CAN
- Kanada
- kemampuan
- menangkap
- Menyebabkan
- menantang
- Perubahan
- karakteristik
- kota
- Warga
- Kota
- jelas
- klien
- klien
- Iklim
- awan
- Kelompok
- kode
- Pengkodean
- koleksi
- Command
- umum
- Masyarakat
- perusahaan
- Lengkap
- penyelesaian
- kompleksitas
- komponen
- komponen
- luas
- terdiri dari
- perhitungan
- menghitung
- dihitung
- komputasi
- konsentrasi
- Perhatian
- bersamaan
- dikonfigurasi
- konsumsi
- Wadah
- benua
- menyumbang
- berkontribusi
- kerja sama
- dikoordinasikan
- Core
- Korelasi
- mahal
- Biaya
- menutupi
- liputan
- membuat
- pelanggan
- kerusakan
- data
- Data Analytics
- ilmuwan data
- Data-driven
- kumpulan data
- Tanggal
- Hari
- dasawarsa
- Pengambilan Keputusan
- keputusan
- mendalam
- menetapkan
- Mendefinisikan
- tuntutan
- menunjukkan
- menunjukkan
- departemen
- ketergantungan
- menyebarkan
- memperoleh
- ditunjuk
- terperinci
- dikembangkan
- Pengembangan
- perbedaan
- berbeda
- langsung
- langsung
- Kepala
- bencana
- perbedaan
- membahas
- didistribusikan
- sistem terdistribusi
- distribusi
- do
- dolar
- domain
- mendorong
- penggerak
- dua
- lamanya
- setiap
- bumi
- efek
- Efektif
- efek
- efisien
- efisien
- usaha
- mudah
- upaya
- tinggi
- keadaan darurat
- dipekerjakan
- mempekerjakan
- memberdayakan
- memberdayakan
- memungkinkan
- memungkinkan
- energi
- Konsumsi Energi
- biaya energi
- Teknik
- Insinyur
- mempertinggi
- memperkaya
- memastikan
- penggemar
- Lingkungan Hidup
- lingkungan
- lingkungan
- mapan
- perkiraan
- dievaluasi
- peristiwa
- Setiap
- contoh
- Excel
- ada
- pengalaman
- keahlian
- eksplorasi
- eksponensial
- eksponensial
- luas
- ekstrim
- memudahkan
- memfasilitasi
- memfasilitasi
- faktor
- jauh
- Fitur
- filter
- Akhirnya
- tetap
- fleksibel
- Lantai
- Fokus
- berfokus
- berikut
- berikut
- Untuk
- Ramalan
- perkiraan
- Tempa
- rumus
- Prinsip Dasar
- dari
- sepenuhnya
- fungsi
- mendasar
- masa depan
- Futures
- Mendapatkan
- generasi
- geografis
- Secara global
- granular
- lebih besar
- Hijau
- kisi
- Pertumbuhan
- Tamu
- tamu Post
- bimbingan
- Penanganan
- Memanfaatkan
- Memiliki
- he
- Kesehatan
- kesehatan
- sehat
- membantu
- lebih tinggi
- paling tinggi
- -nya
- historis
- memegang
- holistik
- JAM
- Seterpercayaapakah Olymp Trade? Kesimpulan
- HTML
- HTTPS
- i
- ID
- mengidentifikasi
- mengenali
- BEI
- if
- menggambarkan
- gambar
- Segera
- Dampak
- melaksanakan
- implementasi
- mengimplementasikan
- mengimpor
- memperbaiki
- ditingkatkan
- in
- Termasuk
- Meningkatkan
- indeks
- indeks
- industri
- industri
- mempengaruhi
- Berpengaruh
- informasi
- informasi
- menginformasikan
- Infrastruktur
- inisiatif
- inovatif
- memasukkan
- wawasan
- wawasan
- contoh
- Mengintegrasikan
- integrasi
- bunga
- Intervensi
- ke
- dipanggil
- terlibat
- melibatkan
- Kepulauan
- masalah
- isv
- IT
- NYA
- Pekerjaan
- bersama
- Joint Venture
- jpeg
- jpg
- kunci
- kumar
- Tanah
- pemandangan
- besar-besaran
- Terbaru
- berlapis
- lapisan
- memimpin
- terkemuka
- Memimpin
- pengetahuan
- meninggalkan
- Tingkat
- adalah ide yang bagus
- leveraging
- perpustakaan
- Perpustakaan
- terletak
- Hidup
- 'like'
- linear
- tempat
- jangka panjang
- mesin
- Mesin belajar
- membuat
- pengelolaan
- mengelola
- pelaksana
- manual
- banyak
- peta
- hal
- maksimum
- berarti
- metode
- metode
- dengan cermat
- mikro
- minimal
- memperkecil
- Mengurangi
- mitigasi
- ML
- model
- pemodelan
- model
- modernisasi
- Modul
- lebih
- nama
- nama
- NASA
- perlu
- Perlu
- buku catatan
- pengamatan
- of
- on
- open source
- Lainnya
- di luar
- di luar
- lebih
- parameter
- parameter
- khususnya
- rekan
- bergairah
- lalu
- jalan
- pola
- Melakukan
- dilakukan
- periode
- tahap
- pipa saluran
- rencana
- perencanaan
- Platform
- plato
- Kecerdasan Data Plato
- Data Plato
- Bermain
- bermain
- Poligon
- populasi
- mungkin
- Pos
- potensi
- kuat
- perlu
- Ketelitian
- meramalkan
- memprediksi
- Prediksi
- disajikan
- terutama
- primer
- masalah
- proses
- proses
- pengolahan
- Prosesor
- Produk
- pengembangan produk
- proyek
- memprojeksikan
- properties
- milik
- diusulkan
- menyediakan
- menyediakan
- publik
- Ular sanca
- kualitas
- segera
- jarak
- cepat
- perbandingan
- Mentah
- dunia
- Merah
- menurunkan
- mengurangi
- mengurangi
- mengurangi
- lihat
- daerah
- hubungan
- hubungan
- menghapus
- Terbarukan
- energi terbarukan
- wakil
- mewakili
- wajib
- membutuhkan
- Resolusi
- sumber
- Sumber
- tanggapan
- mengakibatkan
- dihasilkan
- Hasil
- pengambilan
- kembali
- Risiko
- penilaian risiko
- Peran
- Run
- berjalan
- Pedesaan
- Daerah pedesaan
- s
- Safety/keselamatan
- pembuat bijak
- satelit
- disimpan
- Tabungan
- terukur
- Skala
- diskalakan
- sisik
- skala
- ilmuwan
- ilmuwan
- naskah
- mulus
- Bagian
- sektor
- keamanan
- memilih
- senior
- Seri
- yang telah dilayani
- Layanan
- porsi
- Pendek
- harus
- Pertunjukkan
- signifikan
- Sederhana
- hanya
- tunggal
- situs web
- Ukuran
- ukuran
- Sosial
- Dampak sosial
- Perangkat lunak
- rekayasa Perangkat Lunak
- padat
- larutan
- Solusi
- Space
- spasi
- ketegangan
- rentang
- spasial
- khusus
- mengkhususkan diri
- spesifikasi
- Spektral
- standardisasi
- mulai
- dimulai
- statistik
- statistika
- penyimpanan
- mudah
- strategi
- merampingkan
- kuat
- struktur
- tersusun
- besar
- sukses
- seperti itu
- cocok
- pendukung
- Mendukung
- Permukaan
- gelora
- Sekitarnya
- Keberlanjutan
- berkelanjutan
- Pembangunan berkelanjutan
- masa depan yang berkelanjutan
- sistem
- sistem
- Tap
- ditargetkan
- tugas
- tim
- teknik
- istilah
- dari
- bahwa
- Grafik
- Daerah
- mereka
- Mereka
- kemudian
- Ini
- mereka
- ini
- tiga
- Melalui
- waktu
- Seri waktu
- membuang-buang waktu
- jangka waktu
- untuk
- bersama
- alat
- tradisional
- secara tradisional
- Pelatihan VE
- Mengubah
- transformasi
- perjalanan
- Tren
- mengetik
- Akhirnya
- pokok
- memahami
- pemahaman
- membuka kunci
- terurai
- atas
- perkotaan
- menggunakan
- bekas
- user-friendly
- Pengguna
- kegunaan
- menggunakan
- Berharga
- nilai
- Nilai - Nilai
- variabel
- berbagai
- bervariasi
- tumbuh-tumbuhan
- usaha
- melalui
- View
- visualisasi
- membayangkan
- vital
- adalah
- air
- we
- jaringan
- layanan web
- minggu
- BAIK
- Apa
- ketika
- yang
- dengan
- dalam
- Kerja
- bekerja sama
- alur kerja
- Alur kerja
- kerja
- bekerja
- industri udang di seluruh dunia.
- tahun
- tahun
- menghasilkan
- Kamu
- Anda
- zephyrnet.dll
- daerah
- zoom