Amazon SageMaker 地理空间功能现已全面可用，新增安全特性及更多用例
北京 —— 2023 年 6 月 20 日 亚马逊云科技在 re:Invent 2022 大会上宣布了 Amazon SageMaker 地理空间功能的预览版，它让数据科学家和机器学习工程师能够使用地理空间数据来构建、训练和部署机器学习模型。Amazon SageMaker 地理空间机器学习功能支持访问现成的地理空间数据、专门构建的处理操作和开源库、预训练机器学习模型和内置的可视化工具。
预览期间，该功能获得了很多客户的关注和反馈。现在 Amazon SageMaker 地理空间功能已全面可用，新增了安全特性和更多用例。
在Amazon SageMaker Studio 使用地理空间机器学习功能
Amazon SageMaker 地理空间功能具备以下三大优势：
· 地球观测任务 —— 使用专门构建的地理空间操作采集、转换和可视化卫星图像数据，基于预训练机器学习模型实现预测并获取洞察。
· 矢量扩展任务 —— 优化运营增强用户数据，例如将地理坐标转换为可读地址。
· 地图可视化 —— 实现 CSV、JSON 或 GeoJSON 文件上传的卫星图像或地图数据的可视化。
用户可以在 SageMaker Studio Notebook 中创建所有地球观测任务（Earth Observation Jobs, EOJ），进而使用专门构建的地理空间操作来处理卫星数据。
矢量扩展任务（VEJ）通过专门构建的反向地理编码和地图匹配操作使位置数据更加丰富。用户在使用 SageMaker Studio Notebook 执行 VEJ 的同时，也可以通过用户界面查看创建的所有任务。如果要在 Notebook 中使用可视化功能，用户首先需要将输出结果导入到 Amazon Simple Storage Service（Amazon S3）存储桶中。
用户可以使用地图可视化功能对地理空间数据、EOJ 或 VEJ 任务的输入以及从 Amazon S3 存储桶导出的输出进行可视化。
新增安全特性
在 Amazon SageMaker 地理空间功能全面可用的同时，亚马逊云科技还针对其安全方面推出了两项更新：客户自行管理 Amazon KMS 的密钥服务 Amazon Key Management Service（Amazon KMS），以及客户在 Amazon VPC 环境下进行地理空间操作的 Amazon Virtual Private Cloud（Amazon VPC）。
Amazon KMS 客户管理密钥使客户能够使用自己的密钥对地理空间工作负载进行加密，从而提高了灵活性和可控性。
用户可以使用 KmsKeyId 在地球观测任务和矢量扩展任务中指定自己的密钥作为可选参数。如果客户没有提供 KmsKeyId，则将使用服务自带的密钥对客户内容进行加密。如需了解更多信息，请参阅亚马逊云科技文档 Amazon KMS 支持的 SageMaker 地理空间功能。
借助 Amazon VPC，用户可以完全控制自己的网络环境，并更安全地连接到亚马逊云科技上的地理空间工作负载，也可以在 Amazon VPC 环境中使用 SageMaker Studio 或 Notebook 进行 SageMaker 地理空间操作，并通过 SageMaker 地理空间操作中的 VPC 端点接口执行 SageMager 地理空间的 API 操作。
地理空间机器学习应用案例
各行各业的客户都在利用 Amazon SageMaker 地理空间功能构建应用于现实世界的应用程序。
最大限度地提高粮食产量和食品安全
数字农业指应用数字解决方案，通过先进的数据分析和机器学习技术，帮助农民优化农作物生产。数字农业应用需要使用地理空间数据，包括农民田地所在地区的卫星图像。
通过预训练土地覆盖物分割模型，用户可以使用 SageMaker 在卫星图像中识别农田边界。
损害评估
自然灾害愈加频繁且伤害严重，因此，为决策者和急救人员提供快速准确的损害评估非常重要。用户可以借助地理空间图像来预测自然灾害造成的损失，并在自然灾害发生后立即使用地理空间数据来快速评估其对建筑物、道路或其他关键基础设施的损害。
用户利用 2022 年 10 月中旬澳大利亚罗切斯特洪水发生前后的图像训练和部署模型，并预测洪水造成的自然灾害损失，最终获得了罗切斯特洪水的分割标记结果图。从下图可以看到，模型已经确定了洪水区域内可能受损的位置。
通过 GitHub 存储库，用户可以使用多时态 Sentinel-2 卫星数据训练和部署地理空间分割模型，以评估山火损失。本示例关注的地区位于加利福尼亚州北部，该地区在 2021 年曾遭受迪克西山火的影响。
监测气候变化
全球变暖增加了干旱的风险。以美国最大的水库米德湖为例，用户可以使用 SageMaker 地理空间功能获取数据、执行分析，并直观显示其变化，以监测因气候变化而导致的海岸线萎缩。
用户可以在 GitHub 存储库中找到该示例的 Notebook 代码。
预测零售需求
用户还可以使用 SageMaker 地理空间功能来执行基于矢量的地图匹配操作，并实现结果可视化。地图匹配允许用户将庞杂的 GPS 坐标与路段相匹配。借助 Amazon SageMaker 的地理空间功能，用户可以执行 VEJ 对地图进行匹配。执行这类任务，用户需要输入包含路线信息（如经度、纬度和 GPS 度量的时间戳）的 CSV 文件，最终获得包含预测路线的 GeoJSON 文件。
支持城市可持续发展
Arup 是亚马逊云科技的客户之一，它使用机器学习等技术来探索高温对城市的影响以及当地气温的影响因素，以实现更好的城市规划并助力可持续发展。城市热岛效应及其带来的相关风险与问题是当今城市面临的最大挑战之一。
利用 Amazon SageMaker 地理空间功能，Arup 通过地球观测数据识别和测量城市热因子，显著提高了他们为客户提供咨询服务的能力。Arup 工程团队通过访问更多数量、更多类型数据，以及对更大型数据集的分析，从而完成了以前很难开展的分析工作。
现已可用
Amazon SageMaker 地理空间功能现已在美国西部（俄勒冈州）区域全面可用。作为亚马逊云科技免费套餐（ Free Tier ）的一部分，用户可以免费开始使用 SageMaker 地理空间功能，有效期30天，包含10小时的免费 ml.geospatial.interactive计算、以及高达 10GB 的免费存储空间，无需支付每月 150 美元的使用费。
