Gnagere som rotter og mus er forbundet med en rekke helserisikoer og er kjent for å spre mer enn 35 sykdommer. Å identifisere områder med høy gnageraktivitet kan hjelpe lokale myndigheter og skadedyrbekjempende organisasjoner med å planlegge inngrep effektivt og utrydde gnagere.
I dette innlegget viser vi hvordan du overvåker og visualiserer en gnagerpopulasjon ved hjelp av Amazon SageMaker geospatiale muligheter. Vi visualiserer deretter gnagerangrepseffekter på vegetasjon og vannmasser. Til slutt korrelerer og visualiserer vi antall tilfeller av apekopper rapportert med observasjoner av gnagere i en region. Amazon SageMaker gjør det enklere for dataforskere og maskinlæringsingeniører (ML) å bygge, trene og distribuere modeller ved hjelp av geospatiale data. Verktøyet gjør det enklere å få tilgang til geospatiale datakilder, kjøre spesialbygde prosesseringsoperasjoner, bruke forhåndsopplærte ML-modeller og bruke innebygde visualiseringsverktøy raskere og i skala.
bærbare
Først bruker vi en Amazon SageMaker Studio notatbok med et geospatialt bilde ved å følge trinnene som er skissert i Komme i gang med Amazon SageMaker geospatiale muligheter.
Datatilgang
Det geospatiale bildet kommer forhåndsinstallert med SageMaker geospatiale funksjoner som gjør det enklere å berike data for geospatial analyse og ML. For innlegget vårt bruker vi satellittbilder fra Sentinel-2 og gnageraktivitet og Monkeypox datasetts fra åpen kildekode NYC åpne data.
Først bruker vi gnageraktiviteten og trekker ut breddegrad og lengdegrad for observasjoner og inspeksjoner av gnagere. Deretter beriker vi denne stedsinformasjonen med menneskelesbare gateadresser. Vi lager en vektoranrikningsjobb (VEJ) i SageMaker Studio-notisboken for å kjøre en omvendt geokodingsoperasjon slik at du kan konvertere geografiske koordinater (breddegrad, lengdegrad) til menneskelesbare adresser, drevet av Amazon Location Service. Vi lager VEJ som følger:
Visualiser gnageraktivitet i en region
Nå kan vi bruke SageMaker geospatiale evner for å visualisere observasjoner av gnagere. Etter at VEJ er fullført, eksporterer vi utdataene fra jobben til en Amazon S3 bøtte.
Når eksporten er fullført, vil du se utdata-CSV-filen i din Amazon enkel lagringstjeneste (Amazon S3)-bøtte, som består av inndataene dine (lengde- og breddegradskoordinater) sammen med tilleggskolonner: adressenummer, land, etikett, kommune, nabolag, postnummer og regionen for den plasseringen vedlagt på slutten.
Fra utdatafilen generert av VEJ kan vi bruke SageMaker geospatiale evner til å overlegge utdataene på et basiskart og gi lagvis visualisering for å gjøre samarbeid enklere. SageMaker geospatiale evner gir innebygd visualiseringsverktøy drevet av Foursquare Studio, som naturlig fungerer fra en SageMaker-notisbok via SageMaker geospatial kart-SDK. Nedenfor kan vi visualisere observasjonene av gnagere og også få de menneskelige lesbare adressene for hvert av datapunktene. Adresseinformasjonen til hvert av datapunktene for observasjon av gnagere kan være nyttig for inspeksjon og behandling av gnagere.
Analyser effekten av gnagerangrep på vegetasjon og vannmasser
For å analysere effekten av gnagerangrep på vegetasjon og vannmasser, må vi klassifisere hvert sted som vegetasjon, vann og barmark. La oss se på hvordan vi kan bruke disse geospatiale egenskapene til å utføre denne analysen.
De nye geospatiale egenskapene i SageMaker gir enklere tilgang til geospatiale data som Sentinel-2 og Landsat 8. Innebygd geospatial datasetttilgang sparer uker med innsats ellers tapt for å samle inn og behandle data fra ulike dataleverandører og leverandører. Disse geospatiale egenskapene tilbyr også en forhåndstrent Land Use Land Cover (LULC) segmenteringsmodell for å identifisere det fysiske materialet, som vegetasjon, vann og barmark, på jordoverflaten.
Vi bruker dette LULC ML modell for å analysere effekten av gnagerpopulasjon på vegetasjon og vannmasser.
I den følgende kodebiten definerer vi først koordinatene for interesseområdet (aoi_coords
) fra New York City. Deretter oppretter vi en jordobservasjonsjobb (EOJ) og velger LULC-operasjonen. SageMaker laster ned og forhåndsbehandler satellittbildedata for EOJ. Deretter kjører SageMaker automatisk modellslutning for EOJ. Kjøretiden til EOJ vil variere fra flere minutter til timer avhengig av antall bilder som behandles. Du kan overvåke statusen til EOJ-er ved å bruke get_earth_observation_job
funksjon, og visualisere input og output fra EOJ i kartet.
For å visualisere gnagerpopulasjonen med hensyn til vegetasjon, overlegger vi gnagerpopulasjonen og observasjonsdata på prognosene for landdekkesegmenteringsmodellen. Denne visualiseringen kan hjelpe oss med å lokalisere bestanden av gnagere og analysere den på vegetasjon og vannmasser.
Visualiser monkeypox tilfeller og corelating med gnager data
For å visualisere forholdet mellom monkeypox-tilfellene og observasjoner av gnagere, legger vi til monkeypox-datasettet og geoJSON-fil for bygrensene i New York City. Se følgende kode:
I en SageMaker Studio-notisbok kan vi bruke visualiseringsverktøyet drevet av Foursquare for å legge til lag i kartet og legge til diagrammer. Her la vi til monkeypox-dataene som et diagram for å vise antall monkeypox-tilfeller for hver av bydelene. For å se sammenhengen mellom apekopper og observasjoner av gnagere, har vi lagt til bygrensene som et polygonlag og lagt til varmekartlaget som representerer gnageraktivitet. Bydelsgrenselaget er farget for å matche monkeypox-datadiagrammet. Som vi kan se, viser bydelen Manhattan en høy konsentrasjon av observasjoner av gnagere og registrerer det høyeste antallet apekopper, etterfulgt av Brooklyn.
Dette støttes av en enkel statistisk analyse for å beregne korrelasjonen mellom konsentrasjonen av observasjoner av gnagere og apekopper i hver bydel. Beregningen ga en r-verdi på 0.714, som innebærer en positiv korrelasjon.
konklusjonen
I dette innlegget demonstrerte vi hvordan du kan bruke SageMakers geospatiale evner for å få detaljerte adresser til observasjoner av gnagere og visualisere gnagereffektene på vegetasjon og vannmasser. Dette kan hjelpe lokale myndigheter og skadedyrbekjempende organisasjoner med å planlegge inngrep effektivt og utrydde gnagere. Vi korrelerte også observasjonene av gnagere til tilfeller av apekopper i området med det innebygde visualiseringsverktøyet. Ved å bruke vektorberikelse og EOJ-er sammen med de innebygde visualiseringsverktøyene, eliminerer SageMakers geospatiale evner utfordringene med å håndtere store geospatiale datasett, modelltrening og inferens, og gir muligheten til raskt å utforske spådommer og geospatiale data på et interaktivt kart ved hjelp av 3D-akselerert grafikk og innebygde visualiseringsverktøy.
Du kan komme i gang med SageMaker geospatiale muligheter på to måter:
For å lære mer, besøk Amazon SageMaker geospatiale muligheter og Komme i gang med Amazon SageMaker geospatiale muligheter. Besøk også vår GitHub repo, som har flere eksempler på notatbøker på SageMaker geospatiale muligheter.
Om forfatterne
Bunny Kaushik er løsningsarkitekt hos AWS. Han brenner for å bygge AI/ML-løsninger og hjelpe kunder med å innovere på AWS-plattformen. Utenom jobben liker han fotturer, fjellklatring og svømming.
Clarisse Vigal er Sr. Technical Account Manager hos AWS, med fokus på å hjelpe kunder med å akselerere sin skyadopsjonsreise. Utenom jobben liker Clarisse å reise, gå på fotturer og lese sci-fi-thrillere.
Veda Raman er en senior spesialistløsningsarkitekt for maskinlæring basert i Maryland. Veda samarbeider med kunder for å hjelpe dem med å bygge effektive, sikre og skalerbare maskinlæringsapplikasjoner. Veda er interessert i å hjelpe kunder med å utnytte serverløse teknologier for maskinlæring.
- SEO-drevet innhold og PR-distribusjon. Bli forsterket i dag.
- PlatoData.Network Vertical Generative Ai. Styrk deg selv. Tilgang her.
- PlatoAiStream. Web3 Intelligence. Kunnskap forsterket. Tilgang her.
- PlatoESG. Bil / elbiler, Karbon, CleanTech, Energi, Miljø, Solenergi, Avfallshåndtering. Tilgang her.
- BlockOffsets. Modernisering av eierskap for miljøkompensasjon. Tilgang her.
- kilde: https://aws.amazon.com/blogs/machine-learning/analyze-rodent-infestation-using-amazon-sagemaker-geospatial-capabilities/
- : har
- :er
- 10
- 100
- 11
- 17
- 3d
- 40
- 7
- 8
- 9
- a
- evne
- Om oss
- akselerere
- akselerert
- adgang
- Logg inn
- aktivitet
- legge til
- la til
- Ytterligere
- adresse
- adresser
- Adopsjon
- Etter
- AI / ML
- langs
- også
- Amazon
- Amazon SageMaker
- Amazon SageMaker geospatial
- Amazon Web Services
- an
- analyse
- analysere
- og
- søknader
- Påfør
- ER
- AREA
- AS
- assosiert
- At
- Myndigheter
- automatisk
- AWS
- basen
- basert
- BE
- under
- mellom
- organer
- grenser
- grense
- Brooklyn
- bygge
- Bygning
- innebygd
- by
- beregning
- CAN
- Kan få
- evner
- saker
- utfordringer
- Figur
- Topplisten
- City
- Klassifisere
- klatring
- Cloud
- skyadopsjon
- kode
- samarbeid
- Samle
- kolonner
- kommer
- fullføre
- konsentrasjon
- består
- kontroll
- konvertere
- Korrelasjon
- land
- dekke
- skape
- Kunder
- dato
- datapunkter
- datasett
- definere
- demonstrert
- avhengig
- utplassere
- detaljert
- sykdommer
- nedlastinger
- hver enkelt
- jord
- enklere
- effektivt
- effekter
- effektiv
- innsats
- eliminere
- slutt
- Ingeniører
- berike
- eksempel
- utstillinger
- utforske
- eksportere
- trekke ut
- raskere
- filet
- Endelig
- Først
- fokuserte
- fulgt
- etter
- følger
- Til
- fra
- funksjon
- generert
- geografisk
- få
- grafikk
- Ground
- Håndtering
- Ha
- he
- Helse
- hjelpe
- hjelpe
- her.
- Høy
- høyest
- TIMER
- Hvordan
- Hvordan
- HTML
- http
- HTTPS
- menneskelig
- lesbar
- identifisere
- identifisering
- bilde
- bilder
- importere
- in
- informasjon
- innovere
- inngang
- interaktiv
- interesse
- interessert
- IT
- Jobb
- reise
- kjent
- Etiketten
- Tomt
- storskala
- lag
- lagdelte
- lag
- LÆRE
- læring
- Leverage
- lokal
- plassering
- Se
- tapte
- maskin
- maskinlæring
- gjøre
- GJØR AT
- leder
- kart
- Maryland
- maske
- Match
- materiale
- minutter
- ML
- modell
- modeller
- Overvåke
- apekopper
- mer
- Trenger
- Ny
- New York
- New York City
- neste
- bærbare
- Antall
- NYC
- of
- tilby
- on
- åpen
- åpen kildekode
- drift
- Drift
- organisasjoner
- ellers
- vår
- skissert
- produksjon
- utenfor
- side
- lidenskapelig
- for
- Utfør
- fysisk
- fly
- plattform
- plato
- Platon Data Intelligence
- PlatonData
- poeng
- polygon
- befolkningen
- positiv
- Post
- postal
- powered
- Spådommer
- Bearbeidet
- prosessering
- produsert
- egenskaper
- eiendom
- gi
- tilbydere
- formål
- raskt
- Lesning
- poster
- region
- regioner
- forhold
- rapportert
- representerer
- respekt
- svar
- reversere
- risikoer
- Rock
- Kjør
- går
- sagemaker
- satellitt
- skalerbar
- Skala
- sci-fi
- forskere
- sikre
- se
- segmentering
- senior
- server~~POS=TRUNC
- Tjenester
- Session
- flere
- Vis
- Enkelt
- tekstutdrag
- So
- Solutions
- Kilder
- spesialist
- spre
- kvadrat
- startet
- statistisk
- status
- Steps
- lagring
- gate
- studio
- slik
- Støttes
- overflaten
- Teknisk
- Technologies
- enn
- Det
- De
- Området
- deres
- Dem
- deretter
- Disse
- denne
- til
- verktøy
- verktøy
- Tog
- Kurs
- Traveling
- behandling
- to
- us
- bruke
- ved hjelp av
- utnytte
- verdi
- ulike
- leverandører
- av
- Besøk
- visualisering
- Vann
- måter
- we
- web
- webtjenester
- uker
- hvilken
- vil
- med
- innenfor
- Arbeid
- virker
- york
- Du
- Din
- zephyrnet