Gnagare som råttor och möss är förknippade med ett antal hälsorisker och är kända för att sprida mer än 35 sjukdomar. Att identifiera regioner med hög gnagaraktivitet kan hjälpa lokala myndigheter och skadedjursbekämpningsorganisationer att effektivt planera för insatser och utrota gnagarna.
I det här inlägget visar vi hur man övervakar och visualiserar en gnagarpopulation med hjälp av Amazon SageMaker geospatiala funktioner. Vi visualiserar sedan gnagarangreppseffekter på vegetation och vattendrag. Slutligen korrelerar vi och visualiserar antalet fall av apkoppor som rapporterats med gnagarobservationer i en region. Amazon SageMaker gör det enklare för datavetare och maskininlärningsingenjörer (ML) att bygga, träna och distribuera modeller med hjälp av geospatial data. Verktyget gör det lättare att komma åt geospatiala datakällor, köra specialanpassade bearbetningsoperationer, tillämpa förutbildade ML-modeller och använda inbyggda visualiseringsverktyg snabbare och i skala.
Notebook
Först använder vi en Amazon SageMaker Studio anteckningsbok med en geospatial bild genom att följa stegen som beskrivs i Komma igång med Amazon SageMakers geospatiala funktioner.
Datatillgång
Den geospatiala bilden kommer förinstallerad med SageMaker geospatiala funktioner som gör det lättare att berika data för geospatial analys och ML. För vårt inlägg använder vi satellitbilder från Sentinel-2 och gnagare aktivitet och monkeypox datasets från öppen källkod NYC öppna data.
Först använder vi gnagaraktiviteten och extraherar latitud och longitud för observationer och inspektioner av gnagare. Sedan berikar vi denna platsinformation med läsbara gatuadresser. Vi skapar en vektor anrikning jobb (VEJ) i SageMaker Studio-anteckningsboken för att köra en omvänd geokodningsoperation så att du kan konvertera geografiska koordinater (latitud, longitud) till mänskliga läsbara adresser, driven av Amazon platstjänst. Vi skapar VEJ enligt följande:
Visualisera gnagaraktivitet i en region
Nu kan vi använda SageMakers geospatiala funktioner för att visualisera gnagarobservationer. När VEJ är klar exporterar vi resultatet av jobbet till en Amazon S3 hink.
När exporten är klar ser du utdata-CSV-filen i din Amazon enkel lagringstjänst (Amazon S3) hink, som består av dina indata (longitud- och latitudkoordinater) tillsammans med ytterligare kolumner: adressnummer, land, etikett, kommun, grannskap, postnummer och region för den platsen som läggs till i slutet.
Från utdatafilen som genereras av VEJ kan vi använda SageMakers geospatiala funktioner för att lägga över utdata på en baskarta och tillhandahålla skiktvis visualisering för att göra samarbetet enklare. SageMakers geospatiala funktioner ger inbyggda visualiseringsverktyg som drivs av Foursquare Studio, som inbyggt fungerar inifrån en SageMaker-anteckningsbok via SageMaker geospatial karta SDK. Nedan kan vi visualisera gnagarobservationerna och även få de mänskliga läsbara adresserna för var och en av datapunkterna. Adressinformationen för var och en av datapunkterna för observation av gnagare kan vara användbar för inspektion och behandling av gnagare.
Analysera effekterna av gnagarangrepp på vegetation och vattendrag
För att analysera effekterna av gnagarangrepp på vegetation och vattendrag måste vi klassificera varje plats som vegetation, vatten och barmark. Låt oss titta på hur vi kan använda dessa geospatiala förmågor för att utföra denna analys.
De nya geospatiala funktionerna i SageMaker ger enklare åtkomst till geospatial data som Sentinel-2 och Landsat 8. Inbyggd geospatial dataåtkomst sparar veckors ansträngning som annars går förlorad för att samla in och bearbeta data från olika dataleverantörer och leverantörer. Dessa geospatiala funktioner erbjuder också en förtränad segmenteringsmodell för Land Use Land Cover (LULC) för att identifiera det fysiska materialet, såsom vegetation, vatten och barmark, på jordytan.
Vi använder det här LULC ML modell för att analysera effekterna av gnagarpopulationen på vegetation och vattendrag.
I följande kodavsnitt definierar vi först koordinaterna för intresseområdet (aoi_coords
) i New York City. Sedan skapar vi ett jordobservationsjobb (EOJ) och väljer LULC-operationen. SageMaker laddar ner och förbehandlar satellitbildsdata för EOJ. Därefter kör SageMaker automatiskt modellinferens för EOJ. Körtiden för EOJ kommer att variera från flera minuter till timmar beroende på antalet bearbetade bilder. Du kan övervaka statusen för EOJ:er med hjälp av get_earth_observation_job
funktion, och visualisera indata och utdata från EOJ på kartan.
För att visualisera gnagarpopulationen med avseende på vegetation överlagrar vi gnagarpopulationen och observationsdata på förutsägelserna av marktäckessegmenteringsmodellen. Denna visualisering kan hjälpa oss att lokalisera populationen av gnagare och analysera den på vegetation och vattendrag.
Visualisera monkeypox fall och corelating med gnagare data
För att visualisera förhållandet mellan appoxfallen och gnagarobservationer lägger vi till appoxdatasetet och geoJSON-fil för stadsgränserna i New York. Se följande kod:
I en SageMaker Studio-anteckningsbok kan vi använda visualiseringsverktyget som drivs av Foursquare för att lägga till lager i kartan och lägga till diagram. Här lade vi till appoxdata som ett diagram för att visa antalet appoxfall för var och en av stadsdelarna. För att se sambandet mellan apkoppor och observationer av gnagare har vi lagt till stadsgränserna som ett polygonlager och lagt till värmekartlagret som representerar gnagaraktivitet. Stadsgränsskiktet är färgat för att matcha appoxdatadiagrammet. Som vi kan se uppvisar stadsdelen Manhattan en hög koncentration av gnagare och registrerar det högsta antalet fall av apkoppor, följt av Brooklyn.
Detta stöds av en enkel statistisk analys för att beräkna korrelationen mellan koncentrationen av gnagare och fall av apkoppor i varje stadsdel. Beräkningen gav ett r-värde på 0.714, vilket innebär en positiv korrelation.
Slutsats
I det här inlägget demonstrerade vi hur du kan använda SageMakers geospatiala funktioner för att få detaljerade adresser till gnagarobservationer och visualisera gnagareffekterna på vegetation och vattendrag. Detta kan hjälpa lokala myndigheter och skadedjursbekämpningsorganisationer att effektivt planera för insatser och utrota gnagare. Vi korrelerade också observationerna av gnagare till fall av apkoppor i området med det inbyggda visualiseringsverktyget. Genom att använda vektorberikning och EOJs tillsammans med de inbyggda visualiseringsverktygen eliminerar SageMakers geospatiala funktioner utmaningarna med att hantera storskaliga geospatiala datauppsättningar, modellträning och slutledning, och ger möjligheten att snabbt utforska förutsägelser och geospatial data på en interaktiv karta med hjälp av 3D-accelererad grafik och inbyggda visualiseringsverktyg.
Du kan komma igång med SageMakers geospatiala funktioner på två sätt:
Om du vill veta mer, besök Amazon SageMaker geospatiala funktioner och Komma igång med Amazon SageMakers geospatiala funktioner. Besök även vår GitHub repo, som har flera exempel på anteckningsböcker om SageMakers geospatiala funktioner.
Om författarna
Kanin Kaushik är lösningsarkitekt på AWS. Han brinner för att bygga AI/ML-lösningar och hjälpa kunder att förnya sig på AWS-plattformen. Utanför jobbet tycker han om vandring, bergsklättring och simning.
Clarisse Vigal är en Sr. Technical Account Manager på AWS, fokuserad på att hjälpa kunder att påskynda sin molnanpassningsresa. Utanför jobbet tycker Clarisse om att resa, vandra och läsa sci-fi-thriller.
Veda Raman är en Senior Specialist Solutions Architect för maskininlärning baserad i Maryland. Veda arbetar med kunder för att hjälpa dem att skapa effektiva, säkra och skalbara maskininlärningsapplikationer. Veda är intresserade av att hjälpa kunder att utnyttja serverlösa teknologier för maskininlärning.
- SEO-drivet innehåll och PR-distribution. Bli förstärkt idag.
- PlatoData.Network Vertical Generative Ai. Styrka dig själv. Tillgång här.
- PlatoAiStream. Web3 Intelligence. Kunskap förstärkt. Tillgång här.
- Platoesg. Fordon / elbilar, Kol, CleanTech, Energi, Miljö, Sol, Avfallshantering. Tillgång här.
- BlockOffsets. Modernisera miljökompensation ägande. Tillgång här.
- Källa: https://aws.amazon.com/blogs/machine-learning/analyze-rodent-infestation-using-amazon-sagemaker-geospatial-capabilities/
- : har
- :är
- 10
- 100
- 11
- 17
- 3d
- 40
- 7
- 8
- 9
- a
- förmåga
- Om Oss
- accelerera
- accelererad
- tillgång
- Konto
- aktivitet
- lägga till
- lagt till
- Annat
- adress
- adresser
- Antagande
- Efter
- AI / ML
- längs
- också
- amason
- Amazon SageMaker
- Amazon SageMaker geospatial
- Amazon Web Services
- an
- analys
- analysera
- och
- tillämpningar
- Ansök
- ÄR
- OMRÅDE
- AS
- associerad
- At
- Myndigheter
- automatiskt
- AWS
- bas
- baserat
- BE
- nedan
- mellan
- organ
- gränser
- gräns
- Brooklyn
- SLUTRESULTAT
- Byggnad
- inbyggd
- by
- beräkning
- KAN
- Kan få
- kapacitet
- fall
- utmaningar
- Diagram
- Diagram
- Stad
- klassificera
- Klättring
- cloud
- moln adoption
- koda
- samverkan
- Samla
- Kolonner
- kommer
- fullborda
- koncentration
- består
- kontroll
- konvertera
- Korrelation
- land
- täcka
- skapa
- Kunder
- datum
- datapunkter
- datauppsättningar
- definiera
- demonstreras
- beroende
- distribuera
- detaljerad
- sjukdomar
- Nedladdningar
- varje
- jord
- lättare
- effektivt
- effekter
- effektiv
- ansträngning
- eliminera
- änden
- Ingenjörer
- berika
- exempel
- utställningar
- utforska
- export
- extrahera
- snabbare
- Fil
- Slutligen
- Förnamn
- fokuserade
- följt
- efter
- följer
- För
- från
- fungera
- genereras
- geografisk
- skaffa sig
- grafik
- Marken
- Arbetsmiljö
- Har
- he
- Hälsa
- hjälpa
- hjälpa
- här.
- Hög
- högsta
- ÖPPETTIDER
- Hur ser din drömresa ut
- How To
- html
- http
- HTTPS
- humant
- läsbar
- identifiera
- identifiera
- bild
- bilder
- importera
- in
- informationen
- förnya
- ingång
- interaktiva
- intresse
- intresserad
- IT
- Jobb
- resa
- känd
- etikett
- land
- storskalig
- lager
- skiktad
- skikt
- LÄRA SIG
- inlärning
- Hävstång
- lokal
- läge
- se
- förlorat
- Maskinen
- maskininlärning
- göra
- GÖR
- chef
- karta
- Maryland
- mask
- Match
- Materialet
- minuter
- ML
- modell
- modeller
- Övervaka
- Apkoppor
- mer
- Behöver
- Nya
- New York
- new york city
- Nästa
- anteckningsbok
- antal
- NYC
- of
- erbjudanden
- on
- öppet
- öppen källkod
- drift
- Verksamhet
- organisationer
- annat
- vår
- skisse
- produktion
- utanför
- sida
- brinner
- för
- Utföra
- fysisk
- Planen
- plattform
- plato
- Platon Data Intelligence
- PlatonData
- poäng
- Polygon
- befolkning
- positiv
- Inlägg
- post
- drivs
- Förutsägelser
- Bearbetad
- bearbetning
- producerad
- egenskaper
- egenskapen
- ge
- leverantörer
- syfte
- snabbt
- Läsning
- register
- region
- regioner
- förhållande
- Rapporterad
- representerar
- avseende
- respons
- vända
- risker
- sten
- Körning
- kör
- sagemaker
- satellit
- skalbar
- Skala
- sci-fi
- vetenskapsmän
- säkra
- se
- segmentering
- senior
- Server
- Tjänster
- session
- flera
- show
- Enkelt
- kodavsnitt
- So
- Lösningar
- Källor
- specialist
- spridning
- kvadrat
- igång
- statistisk
- status
- Steg
- förvaring
- gata
- studio
- sådana
- Som stöds
- yta
- Teknisk
- Tekniken
- än
- den där
- Smakämnen
- Området
- deras
- Dem
- sedan
- Dessa
- detta
- till
- verktyg
- verktyg
- Tåg
- Utbildning
- Traveling
- behandling
- två
- us
- användning
- med hjälp av
- Använda
- värde
- olika
- försäljare
- via
- Besök
- visualisering
- Vatten
- sätt
- we
- webb
- webbservice
- veckor
- som
- kommer
- med
- inom
- Arbete
- fungerar
- york
- Om er
- Din
- zephyrnet