ตัดไม้ทำลายป่า เป็นข้อกังวลหลักในภูมิศาสตร์เขตร้อนหลายแห่งที่ป่าฝนในท้องถิ่นมีความเสี่ยงสูงที่จะถูกทำลาย ประมาณ 17% ของป่าฝนแอมะซอนถูกทำลายในช่วง 50 ปีที่ผ่านมา และระบบนิเวศเขตร้อนบางแห่งกำลังเข้าใกล้จุดพลิกผันซึ่งไม่น่าจะฟื้นตัวได้
กุญแจ คนขับรถตัดไม้ทำลายป่า คือการสกัดและผลิตวัตถุดิบ เช่น การผลิตอาหารและไม้หรือการทำเหมืองแร่ ธุรกิจที่ใช้ทรัพยากรเหล่านี้ตระหนักถึงความรับผิดชอบร่วมกันมากขึ้นในการแก้ปัญหาการตัดไม้ทำลายป่า วิธีหนึ่งที่พวกเขาสามารถทำได้คือการทำให้มั่นใจว่าการจัดหาวัตถุดิบของพวกเขานั้นถูกผลิตและจัดหามาอย่างยั่งยืน ตัวอย่างเช่น หากธุรกิจใช้น้ำมันปาล์มในผลิตภัณฑ์ของตน พวกเขาจะต้องการให้แน่ใจว่าป่าธรรมชาติไม่ถูกเผาและแผ้วถางเพื่อสร้างสวนปาล์มน้ำมันใหม่
การวิเคราะห์เชิงพื้นที่ของภาพถ่ายดาวเทียมของสถานที่ที่ซัพพลายเออร์ดำเนินการสามารถเป็นเครื่องมือที่มีประสิทธิภาพในการตรวจจับเหตุการณ์การตัดไม้ทำลายป่าที่เป็นปัญหา อย่างไรก็ตาม การดำเนินการวิเคราะห์ดังกล่าวเป็นเรื่องยาก ใช้เวลานาน และใช้ทรัพยากรมาก ความสามารถเชิงพื้นที่ของ Amazon SageMaker—ขณะนี้พร้อมใช้งานโดยทั่วไปในภูมิภาค AWS Oregon—มอบวิธีแก้ปัญหาใหม่ที่ง่ายกว่ามากสำหรับปัญหานี้ เครื่องมือนี้ทำให้ง่ายต่อการเข้าถึงแหล่งข้อมูลภูมิสารสนเทศ ดำเนินการประมวลผลตามวัตถุประสงค์ ใช้โมเดล ML ที่ฝึกไว้ล่วงหน้า และใช้เครื่องมือสร้างภาพในตัวได้รวดเร็วขึ้นตามขนาด
ในโพสต์นี้ คุณจะได้เรียนรู้วิธีใช้ความสามารถเชิงพื้นที่ของ SageMaker เพื่อกำหนดพื้นฐานและตรวจสอบประเภทพืชพรรณและความหนาแน่นของพื้นที่ที่ซัพพลายเออร์ดำเนินการได้อย่างง่ายดาย ผู้เชี่ยวชาญด้านซัพพลายเชนและความยั่งยืนสามารถใช้โซลูชันนี้เพื่อติดตามการเปลี่ยนแปลงทางเวลาและเชิงพื้นที่ของการตัดไม้ทำลายป่าที่ไม่ยั่งยืนในห่วงโซ่อุปทานของตน โดยเฉพาะอย่างยิ่ง คำแนะนำจะให้ข้อมูลเชิงลึกเกี่ยวกับคำถามต่อไปนี้:
- การตัดไม้ทำลายป่าเกิดขึ้นเมื่อใดและช่วงใด – คำแนะนำช่วยให้คุณระบุได้เมื่อมีเหตุการณ์การตัดไม้ทำลายป่าครั้งใหม่เกิดขึ้น และติดตามระยะเวลา ความก้าวหน้า หรือการฟื้นตัว
- ที่ดินประเภทใดได้รับผลกระทบมากที่สุด – คำแนะนำช่วยให้คุณระบุประเภทพืชที่ได้รับผลกระทบมากที่สุดจากเหตุการณ์การเปลี่ยนแปลงสิ่งปกคลุมดิน (เช่น ป่าเขตร้อนหรือพุ่มไม้)
- การตัดไม้ทำลายป่าเกิดขึ้นที่ใดโดยเฉพาะ – การเปรียบเทียบแบบพิกเซลต่อพิกเซลระหว่างภาพพื้นฐานและภาพถ่ายดาวเทียมในปัจจุบัน (ก่อนและหลัง) ช่วยให้คุณระบุตำแหน่งที่แม่นยำซึ่งเกิดการตัดไม้ทำลายป่า
- ถางป่าไปเท่าไร – มีการประมาณการพื้นที่ที่ได้รับผลกระทบ (ในหน่วยกม.2) โดยใช้ประโยชน์จากความละเอียดของข้อมูลดาวเทียมแบบละเอียด (เช่น เซลล์แรสเตอร์ขนาด 10 ม. x 10 ม. สำหรับ Sentinel 2)
ภาพรวมโซลูชัน
โซลูชันนี้ใช้ความสามารถเชิงพื้นที่ของ SageMaker เพื่อดึงข้อมูลภาพถ่ายดาวเทียมล่าสุดสำหรับพื้นที่ใดๆ ที่สนใจด้วยโค้ดเพียงไม่กี่บรรทัด และใช้อัลกอริทึมที่สร้างไว้ล่วงหน้า เช่น ตัวแยกประเภทการใช้ที่ดินและการดำเนินการทางคณิตศาสตร์แถบความถี่ จากนั้น คุณสามารถแสดงภาพผลลัพธ์โดยใช้เครื่องมือสร้างภาพแบบสร้างภาพและภาพแรสเตอร์ในตัว เพื่อให้ได้ข้อมูลเชิงลึกเพิ่มเติมจากข้อมูลดาวเทียม คำแนะนำจะใช้ฟังก์ชันการส่งออกของ อเมซอน SageMaker เพื่อบันทึกภาพถ่ายดาวเทียมที่ประมวลผลแล้วไปยัง บริการจัดเก็บข้อมูลอย่างง่ายของ Amazon (Amazon S3) ซึ่งข้อมูลจะถูกจัดหมวดหมู่และแบ่งปันสำหรับการประมวลผลภายหลังและการวิเคราะห์แบบกำหนดเองใน สตูดิโอ Amazon SageMaker โน๊ตบุ๊คที่มี a ภาพเชิงพื้นที่ของ SageMaker. ผลลัพธ์ของการวิเคราะห์แบบกำหนดเองเหล่านี้จะถูกเผยแพร่ในภายหลังและทำให้สามารถสังเกตได้ใน อเมซอน QuickSight เพื่อให้ทีมจัดซื้อและความยั่งยืนสามารถตรวจสอบข้อมูลพืชพันธุ์ที่ตั้งของซัพพลายเออร์ได้ในที่เดียว แผนภาพต่อไปนี้แสดงสถาปัตยกรรมนี้
โน้ตบุ๊กและโค้ดพร้อมการใช้งานการวิเคราะห์ที่แสดงในโพสต์นี้มีอยู่ที่ที่เก็บ GitHub คำแนะนำสำหรับข้อมูลเชิงลึกเชิงพื้นที่เพื่อความยั่งยืนบน AWS
ตัวอย่างการใช้งาน
โพสต์นี้ใช้พื้นที่ที่น่าสนใจ (AOI) จากบราซิล ซึ่งการเคลียร์ที่ดินสำหรับการผลิตโค การปลูกเมล็ดพืชน้ำมัน (น้ำมันถั่วเหลืองและน้ำมันปาล์ม) และการเก็บเกี่ยวไม้เป็นปัญหาหลัก นอกจากนี้คุณยังสามารถสรุปโซลูชันนี้กับ AOI อื่น ๆ ที่ต้องการได้อีกด้วย
ภาพหน้าจอต่อไปนี้แสดง อ แสดงภาพถ่ายดาวเทียม (แถบที่มองเห็นได้) จากองค์การอวกาศยุโรป แมวมอง 2 กลุ่มดาวบริวารดึงข้อมูลและ แสดงภาพในสมุดบันทึก SageMaker. มองเห็นพื้นที่เกษตรกรรมตัดกับป่าฝนธรรมชาติสีเขียวเข้มได้อย่างชัดเจน สังเกตควันที่ก่อตัวจากภายใน AOI เช่นเดียวกับพื้นที่ขนาดใหญ่ทางทิศเหนือ ควันมักเป็นตัวบ่งชี้การใช้ไฟในการเคลียร์ที่ดิน
NDVI เป็นตัววัดความหนาแน่นของพืช
ในการระบุและวัดปริมาณการเปลี่ยนแปลงของพื้นที่ป่าเมื่อเวลาผ่านไป โซลูชันนี้ใช้ ดัชนีพืชผลแตกต่างปกติ (ม.ป.ป.). . NDVI คำนวณจากแสงที่มองเห็นได้และแสงอินฟราเรดใกล้ที่สะท้อนจากพืชพรรณ พืชที่ดีต่อสุขภาพจะดูดซับแสงที่มองเห็นได้ส่วนใหญ่ที่ตกกระทบ และสะท้อนแสงอินฟราเรดย่านใกล้เป็นส่วนใหญ่ พืชที่ไม่แข็งแรงหรือเบาบางจะสะท้อนแสงที่มองเห็นได้มากกว่าและแสงอินฟราเรดใกล้น้อยกว่า ดัชนีนี้คำนวณโดยการรวมแถบสีแดง (มองเห็นได้) และแถบอินฟราเรดใกล้ (NIR) ของภาพถ่ายดาวเทียมเป็นดัชนีเดียวตั้งแต่ -1 ถึง 1
ค่าลบของ NDVI (ค่าเข้าใกล้ -1) สอดคล้องกับน้ำ ค่าใกล้ศูนย์ (-0.1 ถึง 0.1) หมายถึงพื้นที่แห้งแล้งที่มีหิน ทราย หรือหิมะ สุดท้าย ค่าต่ำและค่าบวกแสดงถึงไม้พุ่ม ทุ่งหญ้า หรือพื้นที่เพาะปลูก (ประมาณ 0.2 ถึง 0.4) ในขณะที่ค่า NDVI สูงแสดงถึงป่าฝนเขตร้อนและเขตอบอุ่น (ค่าที่เข้าใกล้ 1) เรียนรู้เพิ่มเติมเกี่ยวกับการคำนวณ NDVI โปรดคลิกที่นี่เพื่ออ่านรายละเอียดเพิ่มเติม). ดังนั้นค่า NDVI จึงสามารถแมปกับคลาสพืชที่สอดคล้องกันได้อย่างง่ายดาย:
การติดตามการเปลี่ยนแปลงใน NDVI เมื่อเวลาผ่านไปโดยใช้โมเดล NDVI ในตัวของ SageMaker เราสามารถอนุมานข้อมูลสำคัญว่าซัพพลายเออร์ที่ปฏิบัติงานใน AOI ดำเนินการอย่างมีความรับผิดชอบหรือไม่ หรือพวกเขามีส่วนร่วมในกิจกรรมการถางป่าที่ไม่ยั่งยืนหรือไม่
ดึงข้อมูล ประมวลผล และแสดงภาพข้อมูล NDVI โดยใช้ความสามารถเชิงพื้นที่ของ SageMaker
ฟังก์ชันหลักอย่างหนึ่งของ SageMaker Geospatial API คือ งานสังเกตการณ์โลก (EOJ) ซึ่งช่วยให้คุณได้รับและแปลงข้อมูลแรสเตอร์ที่รวบรวมจากพื้นผิวโลก EOJ เรียกค้นภาพถ่ายดาวเทียมจากแหล่งข้อมูลที่ระบุ (เช่น กลุ่มดาวดาวเทียม) สำหรับพื้นที่ที่สนใจและระยะเวลาที่ระบุ และใช้แบบจำลองหนึ่งหรือหลายแบบจำลองกับภาพที่ดึงมา
EOJ สามารถสร้างได้ผ่าน สมุดบันทึกเชิงพื้นที่. สำหรับโพสต์นี้ เราใช้ an ตัวอย่างโน๊ตบุ๊ค.
ในการกำหนดค่า EOJ ให้ตั้งค่าพารามิเตอร์ต่อไปนี้:
- การกำหนดค่าอินพุต – การกำหนดค่าอินพุตกำหนดแหล่งข้อมูลและเกณฑ์การกรองที่จะใช้ระหว่างการรับข้อมูล:
- RasterDataCollectionArn – กำหนดดาวเทียมที่จะรวบรวมข้อมูลจาก
- พื้นที่ที่น่าสนใจ – AOI ทางภูมิศาสตร์ กำหนดรูปหลายเหลี่ยมที่จะรวบรวมรูปภาพ (ใน
GeoJSON
รูปแบบ) - ตัวกรองช่วงเวลา – ช่วงเวลาที่สนใจ:
{StartTime: <string>, EndTime: <string> }
. - ตัวกรองคุณสมบัติ – ตัวกรองคุณสมบัติเพิ่มเติม เช่น ปริมาณเมฆปกคลุมสูงสุดที่ยอมรับได้
- การกำหนดค่างาน – การกำหนดค่าแบบจำลองกำหนดงานการประมวลผลที่จะใช้กับข้อมูลภาพถ่ายดาวเทียมที่ดึงมา มีรุ่น NDVI เป็นส่วนหนึ่งของรุ่นที่สร้างไว้ล่วงหน้า
BandMath
การทำงาน
ตั้งค่า InputConfig
ความสามารถเชิงพื้นที่ของ SageMaker รองรับภาพถ่ายดาวเทียมจากสองแหล่งที่แตกต่างกันซึ่งสามารถอ้างอิงผ่าน Amazon Resource Names (ARNs):
- Landsat Collection 2 ผลิตภัณฑ์วิทยาศาสตร์ระดับ 2ซึ่งวัดค่าการสะท้อนแสงพื้นผิวโลก (SR) และอุณหภูมิพื้นผิว (ST) ที่ความละเอียดเชิงพื้นที่ 30 ม.
- Sentinel 2 L2A COGs ซึ่งให้การตรวจวัดสเปกตรัมต่อเนื่องขนาดใหญ่ในแถบความถี่ 13 แถบ (สีน้ำเงิน เขียว อินฟราเรดใกล้ และอื่นๆ) โดยมีความละเอียดต่ำถึง 10 ม.
คุณสามารถเรียก ARN เหล่านี้ได้โดยตรงผ่าน API โดยการโทร list_raster_data_collections().
โซลูชันนี้ใช้ข้อมูล Sentinel 2 ภารกิจ Sentinel-2 ขึ้นอยู่กับกลุ่มดาวบริวารสองดวง ในฐานะ ก ภรณีจุดเดิมเหนือเส้นศูนย์สูตรจะมาเยือนทุกๆ 5 วัน ทำให้สามารถสังเกตการณ์ได้บ่อยครั้งและมีความละเอียดสูง หากต้องการระบุ Sentinel 2 เป็นแหล่งข้อมูลสำหรับ EOJ เพียงอ้างอิง ARN:
ถัดไป AreaOfInterest
ต้องกำหนด (AOI) สำหรับ EOJ ในการทำเช่นนั้น คุณต้องระบุ GeoJSON ของ กรอบขอบเขตที่กำหนดพื้นที่ที่ซัพพลายเออร์ดำเนินการ. ข้อมูลโค้ดต่อไปนี้แยกพิกัดกล่องขอบเขตและกำหนดอินพุตคำขอ EOJ:
ช่วงเวลาถูกกำหนดโดยใช้ไวยากรณ์คำขอต่อไปนี้:
ขึ้นอยู่กับการรวบรวมข้อมูลแรสเตอร์ที่เลือก สนับสนุนตัวกรองคุณสมบัติเพิ่มเติมที่แตกต่างกัน คุณสามารถตรวจสอบตัวเลือกที่มีได้โดยการโทร get_raster_data_collection(Arn=data_collection_arn)["SupportedFilters"]
. ในตัวอย่างต่อไปนี้ มีการกำหนดขีดจำกัดของเมฆปกคลุมอย่างเข้มงวดที่ 5% เพื่อให้แน่ใจว่ามุมมองที่ค่อนข้างไม่มีสิ่งกีดขวางบน AOI:
ตรวจสอบผลการสอบถาม
ก่อนที่คุณจะเริ่ม EOJ ตรวจสอบให้แน่ใจว่าพารามิเตอร์การสืบค้นส่งผลให้มีการส่งคืนภาพถ่ายดาวเทียมเป็นการตอบกลับจริง ในตัวอย่างนี้ ApproximateResultCount
คือ 3 ซึ่งเพียงพอแล้ว คุณอาจต้องใช้ข้อจำกัดน้อยลง PropertyFilter
หากไม่มีผลลัพธ์กลับมา
คุณสามารถตรวจสอบภาพขนาดย่อของภาพดิบได้โดยการจัดทำดัชนี query_results
วัตถุ. ตัวอย่างเช่น, URL ภาพขนาดย่อของภาพดิบ ของรายการสุดท้ายที่ส่งคืนโดยแบบสอบถามสามารถเข้าถึงได้ดังนี้: query_results['Items'][-1]["Assets"]["thumbnail"]["Href"]
.
ตั้งค่า JobConfig
ตอนนี้เราได้ตั้งค่าพารามิเตอร์ที่จำเป็นทั้งหมดที่จำเป็นในการรับข้อมูลดาวเทียม Sentinel 2 แบบดิบแล้ว ขั้นตอนต่อไปคือการอนุมานความหนาแน่นของพืชที่วัดได้ในรูปของ NDVI โดยทั่วไปจะเกี่ยวข้องกับการระบุชิ้นส่วนดาวเทียมที่ตัดกันของ AOI และการดาวน์โหลดภาพถ่ายดาวเทียมสำหรับกรอบเวลาในขอบเขตจากผู้ให้บริการข้อมูล จากนั้นคุณจะต้องผ่านขั้นตอนการวางซ้อน การรวม และการคลิปไฟล์ที่ได้มา คำนวณ NDVI ต่อแต่ละเซลล์แรสเตอร์ของภาพที่รวมกันโดยดำเนินการทางคณิตศาสตร์บนแถบความถี่ที่เกี่ยวข้อง (เช่น สีแดงและอินฟราเรดใกล้) และ ในที่สุดก็บันทึกผลลัพธ์เป็นอิมเมจแรสเตอร์แบนด์เดี่ยวใหม่ ความสามารถเชิงพื้นที่ของ SageMaker นำเสนอการใช้งานเวิร์กโฟลว์นี้แบบครบวงจร รวมถึงโมเดล NDVI ในตัวที่สามารถเรียกใช้ด้วย การเรียก API อย่างง่าย. สิ่งที่คุณต้องทำคือระบุการกำหนดค่างานและตั้งค่าเป็นโมเดล NDVI ที่กำหนดไว้ล่วงหน้า:
เมื่อกำหนดอินพุตที่จำเป็นทั้งหมดสำหรับ SageMaker เพื่อรับและแปลงข้อมูลเชิงพื้นที่ที่สนใจแล้ว ตอนนี้คุณสามารถเริ่มต้น EOJ ด้วยการเรียก API แบบง่ายๆ:
หลังจาก EOJ เสร็จสิ้น คุณสามารถเริ่มสำรวจผลลัพธ์ได้ ความสามารถเชิงพื้นที่ของ SageMaker มอบเครื่องมือการแสดงภาพในตัวที่ขับเคลื่อนโดย Foursquare Studio ซึ่งทำงานจากภายในโน้ตบุ๊ก SageMaker ผ่านทาง SageMaker แผนที่เชิงพื้นที่ SDK. ข้อมูลโค้ดต่อไปนี้เริ่มต้นและแสดงแผนที่ จากนั้นเพิ่มเลเยอร์หลายชั้นลงไป:
เมื่อแสดงผลแล้ว คุณสามารถโต้ตอบกับแผนที่ได้โดยการซ่อนหรือแสดงเลเยอร์ ซูมเข้าและออก หรือแก้ไขโครงร่างสี ท่ามกลางตัวเลือกอื่นๆ ภาพหน้าจอต่อไปนี้แสดงเลเยอร์กล่องขอบเขต AOI ที่ซ้อนทับบนเลเยอร์เอาต์พุต (ไฟล์แรสเตอร์ Sentinel 2 ที่แปลงเป็น NDVI) ผืนสีเหลืองสดใสแสดงถึงป่าดงดิบที่ยังสมบูรณ์ (NDVI=1) ผืนดินที่เข้มกว่าหมายถึงทุ่งนา (0.5>NDVI>0) และผืนป่าสีน้ำเงินเข้มแทนผืนน้ำ (NDVI=-1)
โดยการเปรียบเทียบค่างวดปัจจุบันกับงวดพื้นฐานที่กำหนด การเปลี่ยนแปลงและความผิดปกติใน NDVI สามารถระบุและติดตามได้เมื่อเวลาผ่านไป
การประมวลผลภายหลังแบบกำหนดเองและการแสดงภาพ QuickSight สำหรับข้อมูลเชิงลึกเพิ่มเติม
ความสามารถด้านภูมิสารสนเทศของ SageMaker มาพร้อมกับชุดเครื่องมือการวิเคราะห์และการทำแผนที่ที่สร้างไว้ล่วงหน้าอันทรงพลัง ซึ่งมอบฟังก์ชันการทำงานที่จำเป็นสำหรับงานวิเคราะห์เชิงพื้นที่จำนวนมาก ในบางกรณี คุณอาจต้องการความยืดหยุ่นเพิ่มเติมและต้องการเรียกใช้การวิเคราะห์ภายหลังแบบกำหนดเองในผลลัพธ์ EOJ ความสามารถเชิงพื้นที่ของ SageMaker ช่วยให้มีความยืดหยุ่นนี้ผ่านฟังก์ชันการส่งออก การส่งออกเอาต์พุต EOJ เป็นการเรียก API ง่ายๆ อีกครั้ง:
จากนั้นคุณสามารถดาวน์โหลดไฟล์แรสเตอร์เอาต์พุตสำหรับการประมวลผลในเครื่องเพิ่มเติมใน สมุดบันทึกเชิงพื้นที่ของ SageMaker การใช้ไลบรารี Python ทั่วไปสำหรับการวิเคราะห์เชิงพื้นที่ เช่น GDAL, Fiona, GeoPandas, Shapely และ Rasterio รวมถึงไลบรารีเฉพาะของ SageMaker ด้วยการวิเคราะห์ที่ทำงานใน SageMaker เครื่องมือการวิเคราะห์ AWS ทั้งหมดที่ผสานรวมเข้ากับ SageMaker ก็พร้อมให้คุณใช้งานเช่นกัน ตัวอย่างเช่น โซลูชันที่เชื่อมโยงใน คำแนะนำสำหรับข้อมูลเชิงลึกเชิงพื้นที่เพื่อความยั่งยืนบน AWS GitHub repo ใช้ Amazon S3 และ อเมซอน อาเธน่า สำหรับการสืบค้นผลลัพธ์หลังการประมวลผลและทำให้สามารถสังเกตได้ในแดชบอร์ด QuickSight รูทีนการประมวลผลทั้งหมดพร้อมกับรหัสการปรับใช้และคำแนะนำสำหรับแดชบอร์ด QuickSight มีรายละเอียดอยู่ใน พื้นที่เก็บข้อมูล GitHub.
แดชบอร์ดมีองค์ประกอบการแสดงภาพหลักสามส่วน:
- พล็อตอนุกรมเวลาของค่า NDVI ที่ทำให้เป็นมาตรฐานเทียบกับช่วงเวลาพื้นฐาน ซึ่งช่วยให้คุณสามารถติดตามพลวัตทางโลกในความหนาแน่นของพืชได้
- การกระจายแบบสมบูรณ์ของค่า NDVI ในช่วงเริ่มต้นและช่วงเวลาปัจจุบัน ทำให้เกิดความโปร่งใสว่าพืชชนิดใดมีการเปลี่ยนแปลงมากที่สุด
- ภาพถ่ายดาวเทียมที่แปลงเป็น NDVI สำหรับช่วงเวลาพื้นฐาน ช่วงเวลาปัจจุบัน และความแตกต่างแบบพิกเซลต่อพิกเซลระหว่างทั้งสองช่วงเวลา ซึ่งช่วยให้คุณระบุภูมิภาคที่ได้รับผลกระทบภายใน AOI
ดังที่แสดงในตัวอย่างต่อไปนี้ ในช่วง 5 ปี (2017-Q3 ถึง 2022-Q3) ค่าเฉลี่ย NDVI ของ AOI ลดลง 7.6% เมื่อเทียบกับระยะเวลาพื้นฐาน (Q3 2017) ซึ่งส่งผลกระทบต่อพื้นที่ทั้งหมด 250.21 km2 การลดลงนี้มีสาเหตุหลักมาจากการเปลี่ยนแปลงในพื้นที่ NDVI สูง (ป่า ป่าดิบชื้น) ซึ่งสามารถเห็นได้เมื่อเปรียบเทียบการกระจาย NDVI ของปัจจุบันกับช่วงเวลาพื้นฐาน
การเปรียบเทียบเชิงพื้นที่แบบพิกเซลต่อพิกเซลกับข้อมูลพื้นฐานเน้นว่าเหตุการณ์การตัดไม้ทำลายป่าเกิดขึ้นในพื้นที่ตรงกลางของ AOI ซึ่งป่าธรรมชาติที่ยังไม่ถูกแตะต้องก่อนหน้านี้ถูกแปลงเป็นพื้นที่เพาะปลูก ผู้เชี่ยวชาญด้านซัพพลายเชนสามารถใช้จุดข้อมูลเหล่านี้เป็นพื้นฐานสำหรับการตรวจสอบเพิ่มเติมและการตรวจสอบความสัมพันธ์กับซัพพลายเออร์ที่เป็นปัญหา
สรุป
ความสามารถเชิงพื้นที่ของ SageMaker สามารถเป็นส่วนสำคัญในการติดตามแผนปฏิบัติการด้านสภาพอากาศขององค์กร โดยทำให้การตรวจสอบเชิงพื้นที่ระยะไกลเป็นเรื่องง่ายและเข้าถึงได้ โพสต์บล็อกนี้มุ่งเน้นไปที่กรณีการใช้งานเฉพาะเพียงกรณีเดียว – การตรวจสอบแหล่งที่มาของห่วงโซ่อุปทานของวัตถุดิบ กรณีการใช้งานอื่น ๆ เป็นไปได้ง่าย ตัวอย่างเช่น คุณสามารถใช้สถาปัตยกรรมที่คล้ายกันเพื่อติดตามความพยายามในการฟื้นฟูป่าเพื่อชดเชยการปล่อยมลพิษ ตรวจสอบความสมบูรณ์ของพืชในการปลูกป่าหรือการใช้งานด้านการเกษตร หรือ ตรวจสอบผลกระทบของภัยแล้งต่อแหล่งน้ำท่ามกลางแอปพลิเคชันอื่นๆ อีกมากมาย
เกี่ยวกับผู้เขียน
คาร์สเตน ชโรเออร์ เป็นสถาปนิกโซลูชันที่ AWS เขาสนับสนุนลูกค้าในการใช้ประโยชน์จากข้อมูลและเทคโนโลยีเพื่อขับเคลื่อนความยั่งยืนของโครงสร้างพื้นฐานด้านไอที และสร้างโซลูชันที่ขับเคลื่อนด้วยข้อมูลแบบเนทีฟบนคลาวด์ซึ่งช่วยให้สามารถดำเนินการได้อย่างยั่งยืนในแนวดิ่งของตน Karsten เข้าร่วม AWS หลังจากศึกษาระดับปริญญาเอกด้านการเรียนรู้ของเครื่องประยุกต์และการจัดการการดำเนินงาน เขาหลงใหลอย่างแท้จริงเกี่ยวกับโซลูชันที่ใช้เทคโนโลยีเพื่อรับมือกับความท้าทายทางสังคม และชอบที่จะเจาะลึกลงไปในวิธีการและสถาปัตยกรรมแอปพลิเคชันที่เป็นรากฐานของโซลูชันเหล่านี้
ทามารา เฮอร์เบิร์ต เป็นนักพัฒนาแอปพลิเคชันที่มี AWS Professional Services ในสหราชอาณาจักร เธอเชี่ยวชาญในการสร้างแอปพลิเคชันที่ทันสมัยและปรับขนาดได้สำหรับลูกค้าที่หลากหลาย โดยปัจจุบันเน้นที่แอปพลิเคชันในภาครัฐ เธอมีส่วนร่วมอย่างจริงจังในการสร้างโซลูชันและผลักดันการสนทนาที่ช่วยให้องค์กรบรรลุเป้าหมายด้านความยั่งยืนทั้งในและผ่านระบบคลาวด์
มาร์กาเร็ต โอทูล เข้าร่วม AWS ในปี 2017 และได้ใช้เวลาช่วยเหลือลูกค้าในบทบาททางเทคนิคต่างๆ วันนี้ Margaret เป็นผู้นำด้านเทคโนโลยีความยั่งยืนของ WW และเป็นผู้นำชุมชนของลูกค้าที่ต้องเผชิญกับผู้เชี่ยวชาญด้านเทคนิคด้านความยั่งยืน กลุ่มร่วมกันช่วยลูกค้าเพิ่มประสิทธิภาพด้านไอทีเพื่อความยั่งยืนและใช้ประโยชน์จากเทคโนโลยี AWS เพื่อแก้ปัญหาความท้าทายที่ยากที่สุดด้านความยั่งยืนทั่วโลก มาร์กาเร็ตศึกษาชีววิทยาและวิทยาการคอมพิวเตอร์ที่มหาวิทยาลัยเวอร์จิเนียและบริษัทชั้นนำที่ยั่งยืนที่ Saïd Business School ของอ็อกซ์ฟอร์ด
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- เพลโตบล็อคเชน Web3 Metaverse ข่าวกรอง ขยายความรู้. เข้าถึงได้ที่นี่.
- ที่มา: https://aws.amazon.com/blogs/machine-learning/remote-monitoring-of-raw-material-supply-chains-for-sustainability-with-amazon-sagemaker-geospatial-capabilities/
- :เป็น
- 1
- 100
- 11
- 2017
- 50 ปี
- 7
- 8
- 9
- a
- เกี่ยวกับเรา
- ยอมรับได้
- เข้า
- Accessed
- สามารถเข้าถึงได้
- ได้รับ
- ที่ได้มา
- การครอบครอง
- ข้าม
- การกระทำ
- อย่างกระตือรือร้น
- อยากทำกิจกรรม
- จริง
- เพิ่มเติม
- เพิ่ม
- ความได้เปรียบ
- น่าสงสาร
- หลังจาก
- กับ
- การเกษตร
- อัลกอริทึม
- ทั้งหมด
- การอนุญาต
- ช่วยให้
- อเมซอน
- อเมซอน SageMaker
- Amazon SageMaker เชิงพื้นที่
- ในหมู่
- การวิเคราะห์
- การวิเคราะห์
- การวิเคราะห์
- และ
- API
- การใช้งาน
- การใช้งาน
- ประยุกต์
- ใช้
- ใกล้เข้ามา
- ประมาณ
- สถาปัตยกรรม
- เป็น
- AREA
- พื้นที่
- รอบ
- เทียม
- AS
- สินทรัพย์
- At
- ใช้ได้
- เฉลี่ย
- AWS
- บริการระดับมืออาชีพของ AWS
- วงดนตรี
- ตาม
- baseline
- รากฐาน
- BE
- ก่อน
- กำลัง
- ระหว่าง
- เกิน
- ชีววิทยา
- บล็อก
- สีน้ำเงิน
- กล่อง
- บราซิล
- สดใส
- สร้าง
- การก่อสร้าง
- built-in
- ย่าง
- ธุรกิจ
- โรงเรียนธุรกิจ
- ธุรกิจ
- by
- คำนวณ
- การคำนวณ
- โทรศัพท์
- โทร
- CAN
- ความสามารถในการ
- กรณี
- กรณี
- เซลล์
- ศูนย์
- โซ่
- ห่วงโซ่
- ความท้าทาย
- เปลี่ยนแปลง
- การเปลี่ยนแปลง
- ชั้น
- การหักบัญชี
- อย่างเห็นได้ชัด
- ภูมิอากาศ
- ปิดหน้านี้
- เมฆ
- รหัส
- รวบรวม
- ชุด
- สี
- รวม
- การรวมกัน
- อย่างไร
- ร่วมกัน
- ชุมชน
- เปรียบเทียบ
- การเปรียบเทียบ
- สมบูรณ์
- ส่วนประกอบ
- คอมพิวเตอร์
- วิทยาการคอมพิวเตอร์
- การคำนวณ
- กังวล
- องค์ประกอบ
- ต่อเนื่องกัน
- การสนทนา
- แปลง
- ประสานงาน
- แกน
- ไทม์ไลน์การ
- บริษัท
- ตรงกัน
- ได้
- หน้าปก
- ที่สร้างขึ้น
- เกณฑ์
- ปัจจุบัน
- ขณะนี้
- ประเพณี
- ลูกค้า
- ลูกค้า
- การปรับแต่ง
- มืด
- หน้าปัด
- ข้อมูล
- จุดข้อมูล
- ที่ขับเคลื่อนด้วยข้อมูล
- วัน
- ลึก
- กำหนด
- กำหนด
- มอบ
- การใช้งาน
- ที่ต้องการ
- ทำลาย
- รายละเอียด
- ผู้พัฒนา
- DID
- ความแตกต่าง
- ความแตกต่าง
- ต่าง
- ยาก
- โดยตรง
- แสดง
- การกระจาย
- การกระจาย
- การทำ
- ลง
- ดาวน์โหลด
- ขับรถ
- ขับเคลื่อน
- การขับขี่
- ในระหว่าง
- พลศาสตร์
- e
- แต่ละ
- อย่างง่ายดาย
- ระบบนิเวศ
- ความพยายาม
- การส่งออก
- ทำให้สามารถ
- ช่วยให้
- จบสิ้น
- น่าสนใจ
- ทำให้มั่นใจ
- การสร้างความมั่นใจ
- อีเอสเอ
- ประมาณการ
- ในทวีปยุโรป
- เหตุการณ์
- เหตุการณ์
- ทุกๆ
- ตัวอย่าง
- สำรวจ
- ส่งออก
- สารสกัดจาก
- อำนวยความสะดวก
- หันหน้าไปทาง
- การทำฟาร์ม
- เร็วขึ้น
- คุณสมบัติ
- สองสาม
- สาขา
- เนื้อไม่มีมัน
- ไฟล์
- กรอง
- ฟิลเตอร์
- ในที่สุด
- ธรรมชาติ
- ความยืดหยุ่น
- มุ่งเน้น
- โดยมุ่งเน้น
- ดังต่อไปนี้
- ดังต่อไปนี้
- อาหาร
- สำหรับ
- ป่า
- ฟอร์ม
- รูป
- FRAME
- บ่อย
- ราคาเริ่มต้นที่
- ฟังก์ชัน
- ฟังก์ชั่น
- ต่อไป
- โดยทั่วไป
- ตามภูมิศาสตร์
- ภูมิศาสตร์
- GitHub
- Go
- เป้าหมาย
- GPD
- หญ้า
- สีเขียว
- บัญชีกลุ่ม
- การเจริญเติบโต
- คำแนะนำ
- การเก็บเกี่ยว
- มี
- สุขภาพ
- แข็งแรง
- การช่วยเหลือ
- จะช่วยให้
- จุดสูง
- ความละเอียดสูง
- ไฮไลท์
- ฮิต
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- ทำอย่างไร
- อย่างไรก็ตาม
- HTML
- ที่ http
- HTTPS
- i
- ระบุ
- แยกแยะ
- ระบุ
- ภาพ
- ภาพ
- ส่งผลกระทบ
- การดำเนินงาน
- กำหนด
- in
- รวมทั้ง
- ขึ้น
- ดัชนี
- แสดง
- ตัวบ่งชี้
- เป็นรายบุคคล
- ข้อมูล
- โครงสร้างพื้นฐาน
- อินพุต
- ข้อมูลเชิงลึก
- คำแนะนำการใช้
- สำคัญ
- รวบรวม
- โต้ตอบ
- อยากเรียนรู้
- การสอบสวน
- รวมถึง
- ร่วมมือ
- ปัญหา
- IT
- รายการ
- ITS
- การสัมภาษณ์
- เข้าร่วม
- jpg
- JSON
- แค่หนึ่ง
- คีย์
- ฉลาก
- ที่ดิน
- ใหญ่
- ที่มีขนาดใหญ่
- ใหญ่ที่สุด
- ชื่อสกุล
- ชั้น
- ชั้น
- ผู้นำ
- ชั้นนำ
- นำไปสู่
- เรียนรู้
- การเรียนรู้
- เลฟเวอเรจ
- การใช้ประโยชน์
- ห้องสมุด
- เบา
- LIMIT
- เส้น
- ที่เชื่อมโยง
- ในประเทศ
- ที่ตั้ง
- วันหยุด
- ต่ำ
- เครื่อง
- เรียนรู้เครื่อง
- ทำ
- สำคัญ
- ทำ
- ทำให้
- การทำ
- การจัดการ
- หลาย
- แผนที่
- การทำแผนที่
- วัสดุ
- คณิตศาสตร์
- คณิตศาสตร์
- สูงสุด
- วัด
- วัด
- มาตรการ
- พบ
- การผสม
- วิธีการ
- การทำเหมืองแร่
- ภารกิจ
- ML
- แบบ
- โมเดล
- ทันสมัย
- การตรวจสอบ
- การตรวจสอบ
- ข้อมูลเพิ่มเติม
- มากที่สุด
- ชื่อ
- ชื่อ
- นาซา
- โดยธรรมชาติ
- จำเป็นต้อง
- ความต้องการ
- ใหม่
- ถัดไป
- ทางทิศเหนือ
- สมุดบันทึก
- วัตถุ
- ที่เกิดขึ้น
- of
- เสนอ
- น้ำมัน
- on
- ONE
- ทำงาน
- การดำเนินงาน
- การดำเนินการ
- การดำเนินการ
- เพิ่มประสิทธิภาพ
- Options
- ออริกอน
- องค์กร
- อื่นๆ
- เอาท์พุต
- ภาพรวม
- ปาล์ม
- พารามิเตอร์
- ส่วนหนึ่ง
- หลงใหล
- อดีต
- แพทช์
- ที่มีประสิทธิภาพ
- ระยะเวลา
- งวด
- PHP
- สถานที่
- แผน
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- จุด
- จุด
- รูปหลายเหลี่ยม
- บวก
- โพสต์
- ที่มีศักยภาพ
- ขับเคลื่อน
- ที่มีประสิทธิภาพ
- จำเป็นต้อง
- ก่อนหน้านี้
- ส่วนใหญ่
- ประถม
- ปัญหา
- กระบวนการ
- แปรรูปแล้ว
- การประมวลผล
- ผลิต
- การผลิต
- ผลิตภัณฑ์
- มืออาชีพ
- มืออาชีพ
- ในอาชีพ
- เงื้อม
- คุณสมบัติ
- คุณสมบัติ
- ให้
- ให้
- ผู้จัดหา
- ให้
- การให้
- สาธารณะ
- การตีพิมพ์
- หลาม
- Q3
- คำถาม
- คำถาม
- พิสัย
- ตั้งแต่
- ดิบ
- การฟื้นตัว
- สีแดง
- สะท้อนให้เห็นถึง
- สะท้อนให้เห็นถึง
- ภูมิภาค
- ความสัมพันธ์
- สัมพัทธ์
- รีโมท
- วาทกรรม
- กรุ
- แสดง
- ขอ
- ต้องการ
- จำเป็นต้องใช้
- ความละเอียด
- ทรัพยากร
- ใช้ทรัพยากรมาก
- แหล่งข้อมูล
- ว่า
- คำตอบ
- ความรับผิดชอบ
- การบูรณะ
- คับแคบ
- ผล
- ผลสอบ
- ทบทวน
- ความเสี่ยง
- หิน
- บทบาท
- วิ่ง
- วิ่ง
- sagemaker
- เดียวกัน
- SAND
- ดาวเทียม
- ดาวเทียม
- ลด
- ประหยัด
- ที่ปรับขนาดได้
- ขนาด
- รูปแบบ
- โรงเรียน
- วิทยาศาสตร์
- ขอบเขต
- ภาค
- เลือก
- ชุด
- บริการ
- ชุด
- หลาย
- รุนแรง
- รูปร่าง
- Share
- ที่ใช้ร่วมกัน
- แสดง
- แสดงให้เห็นว่า
- คล้ายคลึงกัน
- ง่าย
- ง่ายดาย
- เดียว
- ควัน
- หิมะ
- So
- สังคม
- ทางออก
- โซลูชัน
- แก้
- บาง
- แหล่ง
- แหล่งที่มา
- ช่องว่าง
- เกี่ยวกับอวกาศ
- ผู้เชี่ยวชาญ
- ความเชี่ยวชาญ
- โดยเฉพาะ
- เฉพาะ
- ที่ระบุไว้
- เป็นเงา
- การใช้จ่าย
- จุด
- เริ่มต้น
- ขั้นตอน
- การเก็บรักษา
- มีการศึกษา
- การศึกษา
- สตูดิโอ
- ต่อจากนั้น
- อย่างเช่น
- เพียงพอ
- ซัพพลายเออร์
- จัดหาอุปกรณ์
- ห่วงโซ่อุปทาน
- ซัพพลายเชน
- สนับสนุน
- ที่สนับสนุน
- รองรับ
- พื้นผิว
- การพัฒนาอย่างยั่งยืน
- ที่ยั่งยืน
- วากยสัมพันธ์
- ระบบ
- เอา
- การ
- งาน
- ทีม
- เทคโนโลยี
- วิชาการ
- เทคโนโลยี
- เงื่อนไขการใช้บริการ
- ที่
- พื้นที่
- พื้นที่
- สหราชอาณาจักร
- โลก
- ของพวกเขา
- พวกเขา
- ดังนั้น
- ล้อยางขัดเหล่านี้ติดตั้งบนแกน XNUMX (มม.) ผลิตภัณฑ์นี้ถูกผลิตในหลายรูปทรง และหลากหลายเบอร์ความแน่นหนาของปริมาณอนุภาคขัดของมัน จะทำให้ท่านได้รับประสิทธิภาพสูงในการขัดและการใช้งานที่ยาวนาน
- สาม
- ตลอด
- ภาพขนาดย่อ
- เวลา
- อนุกรมเวลา
- ต้องใช้เวลามาก
- คะแนนสะสม
- ไปยัง
- ในวันนี้
- ร่วมกัน
- เครื่องมือ
- เครื่องมือ
- เครื่องมือ
- รวม
- ลู่
- การติดตาม
- แปลง
- ความโปร่งใส
- ชนิด
- เป็นปกติ
- Uk
- อันเดอร์ลี
- มหาวิทยาลัย
- ทันเหตุการณ์
- ใช้
- ใช้กรณี
- UTC
- ความคุ้มค่า
- ความหลากหลาย
- ต่างๆ
- แนวดิ่ง
- ผ่านทาง
- รายละเอียด
- virginia
- มองเห็นได้
- การสร้างภาพ
- vs
- น้ำดื่ม
- ทาง..
- ดี
- อะไร
- ว่า
- ที่
- กว้าง
- จะ
- กับ
- ภายใน
- โรงงาน
- โลก
- จะ
- ปี
- คุณ
- ของคุณ
- ลมทะเล
- เป็นศูนย์
- ซูม