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，模型已經確定了洪水區(qū)域內可能受損的位置。
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、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?，以實現(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，以及對更大型數(shù)據集的分析，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。
