अमेज़ॅन सैजमेकर भू-स्थानिक क्षमताओं के साथ स्थिरता के लिए कच्चे माल की आपूर्ति श्रृंखलाओं की दूरस्थ निगरानी

वनों की कटाई कई उष्णकटिबंधीय भौगोलिक क्षेत्रों में एक प्रमुख चिंता का विषय है जहां स्थानीय वर्षावन विनाश के गंभीर खतरे में हैं। अमेज़ॅन वर्षावन का लगभग 17% पिछले 50 वर्षों में नष्ट कर दिया गया है, और कुछ उष्णकटिबंधीय पारिस्थितिक तंत्र एक टिपिंग बिंदु पर आ रहे हैं जिसके बाद वसूली की संभावना नहीं है।

एक कुंजी वनों की कटाई के लिए ड्राइवर कच्चे माल का निष्कर्षण और उत्पादन है, उदाहरण के लिए भोजन और लकड़ी या खनन कार्यों का उत्पादन। इन संसाधनों का उपभोग करने वाले व्यवसाय तेजी से वनों की कटाई के मुद्दे से निपटने में अपनी जिम्मेदारी को स्वीकार कर रहे हैं। ऐसा करने का एक तरीका यह सुनिश्चित करना है कि उनके कच्चे माल की आपूर्ति का उत्पादन किया जाए और इसे स्थायी रूप से प्राप्त किया जाए। उदाहरण के लिए, यदि कोई व्यवसाय अपने उत्पादों में ताड़ के तेल का उपयोग करता है, तो वे यह सुनिश्चित करना चाहेंगे कि प्राकृतिक जंगलों को जलाया नहीं जाए और एक नए ताड़ के तेल के बागान के लिए रास्ता साफ किया जाए।

उन स्थानों की उपग्रह इमेजरी का भू-स्थानिक विश्लेषण जहां आपूर्तिकर्ता संचालित होते हैं, समस्याग्रस्त वनों की कटाई की घटनाओं का पता लगाने के लिए एक शक्तिशाली उपकरण हो सकता है। हालांकि, इस तरह के विश्लेषण चलाना कठिन, समय लेने वाला और संसाधन-गहन है। Amazon SageMaker की भू-स्थानिक क्षमताएं- अब आम तौर पर AWS ओरेगन क्षेत्र में उपलब्ध है - इस समस्या का एक नया और बहुत सरल समाधान प्रदान करें। उपकरण भू-स्थानिक डेटा स्रोतों तक पहुंचना आसान बनाता है, उद्देश्य-निर्मित प्रसंस्करण संचालन चलाता है, पूर्व-प्रशिक्षित एमएल मॉडल लागू करता है, और अंतर्निहित विज़ुअलाइज़ेशन टूल का तेजी से और बड़े पैमाने पर उपयोग करता है।

इस पोस्ट में, आप सीखेंगे कि SageMaker की भू-स्थानिक क्षमताओं का आसानी से आधार रेखा बनाने के लिए उपयोग कैसे करें और उन क्षेत्रों के वनस्पति प्रकार और घनत्व की निगरानी करें जहां आपूर्तिकर्ता काम करते हैं। आपूर्ति श्रृंखला और स्थिरता पेशेवर इस समाधान का उपयोग उनकी आपूर्ति श्रृंखलाओं में अस्थिर वनों की कटाई के अस्थायी और स्थानिक गतिशीलता को ट्रैक करने के लिए कर सकते हैं। विशेष रूप से, मार्गदर्शन निम्नलिखित प्रश्नों में डेटा-संचालित अंतर्दृष्टि प्रदान करता है:

• वनोन्मूलन कब और किस अवधि में हुआ - मार्गदर्शन आपको एक नई वनों की कटाई की घटना के बारे में पता लगाने और इसकी अवधि, प्रगति या पुनर्प्राप्ति की निगरानी करने की अनुमति देता है
• किस प्रकार का भू-आच्छादन सर्वाधिक प्रभावित हुआ - मार्गदर्शन आपको यह इंगित करने की अनुमति देता है कि भूमि कवर परिवर्तन घटना (उदाहरण के लिए, उष्णकटिबंधीय वन या झाड़ियाँ) से कौन सी वनस्पति प्रकार सबसे अधिक प्रभावित थे।
• जहां विशेष रूप से वनों की कटाई हुई - बेसलाइन और वर्तमान उपग्रह इमेजरी के बीच पिक्सेल-दर-पिक्सेल तुलना (पहले बनाम बाद में) आपको सटीक स्थानों की पहचान करने की अनुमति देती है जहां वनों की कटाई हुई है
• कितना जंगल साफ किया गया - उपग्रह डेटा के सूक्ष्म विभेदन का लाभ उठाकर प्रभावित क्षेत्र (किमी2 में) पर एक अनुमान प्रदान किया जाता है (उदाहरण के लिए, सेंटिनल 10 के लिए 10mx2m रेखापुंज सेल)

समाधान अवलोकन

समाधान कोड की कुछ पंक्तियों के साथ रुचि के किसी भी क्षेत्र के लिए अप-टू-डेट उपग्रह इमेजरी को पुनः प्राप्त करने के लिए SageMaker भू-स्थानिक क्षमताओं का उपयोग करता है, और पूर्व-निर्मित एल्गोरिदम जैसे कि भूमि उपयोग क्लासिफायर और बैंड मैथ ऑपरेशंस लागू करता है। फिर आप बिल्ट-इन मैपिंग और रास्टर इमेज विज़ुअलाइज़ेशन टूलिंग का उपयोग करके परिणामों की कल्पना कर सकते हैं। उपग्रह डेटा से और जानकारी प्राप्त करने के लिए, मार्गदर्शन की निर्यात कार्यक्षमता का उपयोग करता है अमेज़न SageMaker संसाधित उपग्रह इमेजरी को सहेजने के लिए अमेज़न सरल भंडारण सेवा (Amazon S3), जहां कस्टम पोस्टप्रोसेसिंग और विश्लेषण के लिए डेटा को सूचीबद्ध और साझा किया जाता है अमेज़ॅन सैजमेकर स्टूडियो ए के साथ नोटबुक सेजमेकर भू-स्थानिक छवि. इन कस्टम विश्लेषणों के परिणाम बाद में प्रकाशित किए जाते हैं और इन्हें देखने योग्य बनाया जाता है अमेज़न क्विकसाइट ताकि खरीद और स्थिरता दल एक ही स्थान पर आपूर्तिकर्ता स्थान वनस्पति डेटा की समीक्षा कर सकें। निम्नलिखित आरेख इस वास्तुकला को दिखाता है।

इस पोस्ट में दिखाए गए विश्लेषणों के परिनियोजन-तैयार कार्यान्वयन के साथ नोटबुक और कोड GitHub रिपॉजिटरी में उपलब्ध हैं AWS पर स्थिरता के लिए भू-स्थानिक अंतर्दृष्टि के लिए मार्गदर्शन।

उदाहरण उपयोग केस

यह पोस्ट ब्राजील से ब्याज के क्षेत्र (एओआई) का उपयोग करता है जहां मवेशी उत्पादन, तिलहन उगाने (सोयाबीन और ताड़ के तेल) के लिए भूमि की सफाई, और लकड़ी की कटाई एक प्रमुख चिंता का विषय है। आप इस समाधान को किसी अन्य वांछित AOI के लिए सामान्यीकृत भी कर सकते हैं।

निम्नलिखित स्क्रीनशॉट प्रदर्शित करता है ए ओ आई यूरोपीय अंतरिक्ष एजेंसी से उपग्रह इमेजरी (दृश्यमान बैंड) दिखा रहा है प्रहरी 2 उपग्रह नक्षत्र पुनर्प्राप्त और एक SageMaker नोटबुक में देखा गया. गहरे हरे प्राकृतिक वर्षावन के सामने कृषि क्षेत्र स्पष्ट रूप से दिखाई देते हैं। AOI के अंदर से निकलने वाले धुएँ के साथ-साथ उत्तर के एक बड़े क्षेत्र पर भी ध्यान दें। धुआँ अक्सर भूमि की सफाई में आग के उपयोग का सूचक होता है।

वनस्पति घनत्व के उपाय के रूप में एनडीवीआई

समय के साथ वन आच्छादन में परिवर्तन की पहचान करने और इसकी मात्रा निर्धारित करने के लिए, यह समाधान इसका उपयोग करता है सामान्यीकृत अंतर वनस्पति सूचकांक (एनडीवीआई)। . NDVI की गणना वनस्पति द्वारा परावर्तित दृश्य और निकट-अवरक्त प्रकाश से की जाती है। स्वस्थ वनस्पति उस पर पड़ने वाले अधिकांश दृश्यमान प्रकाश को अवशोषित कर लेती है, और निकट-अवरक्त प्रकाश के एक बड़े हिस्से को परावर्तित कर देती है। अस्वास्थ्यकर या विरल वनस्पति अधिक दृश्य प्रकाश और कम अवरक्त प्रकाश को दर्शाती है। सूचकांक की गणना उपग्रह छवि के लाल (दृश्यमान) और निकट-अवरक्त (NIR) बैंड को -1 से 1 तक के एकल सूचकांक में मिलाकर की जाती है।

एनडीवीआई के नकारात्मक मूल्य (-1 तक पहुंचने वाले मूल्य) पानी के अनुरूप हैं। शून्य के करीब मान (-0.1 से 0.1) चट्टान, रेत या बर्फ के बंजर क्षेत्रों का प्रतिनिधित्व करते हैं। अंत में, निम्न और सकारात्मक मान झाड़ी, घास के मैदान या खेत (लगभग 0.2 से 0.4) का प्रतिनिधित्व करते हैं, जबकि उच्च NDVI मान समशीतोष्ण और उष्णकटिबंधीय वर्षावनों (1 के निकट मान) को इंगित करते हैं। एनडीवीआई गणनाओं के बारे में अधिक जानें यहाँ उत्पन्न करें). इसलिए एनडीवीआई मूल्यों को संबंधित वनस्पति वर्ग में आसानी से मैप किया जा सकता है:

NDVI_map={ (-1,0]: "no vegetation (water, rock, artificial structures)", (0,0.5]:"light vegetation (shrubs, grass, fields)", (0.5,0.7]:"dense vegetation (plantations)", (0.7,1]:"very dense vegetation (rainforest)"
}

SageMaker बिल्ट-इन NDVI मॉडल का उपयोग करके समय के साथ NDVI में परिवर्तनों को ट्रैक करके, हम इस बारे में महत्वपूर्ण जानकारी का अनुमान लगा सकते हैं कि AOI में काम करने वाले आपूर्तिकर्ता जिम्मेदारी से ऐसा कर रहे हैं या वे अस्थिर वन समाशोधन गतिविधि में संलग्न हैं या नहीं।

SageMaker की भू-स्थानिक क्षमताओं का उपयोग करके NDVI डेटा को पुनर्प्राप्त, संसाधित और विज़ुअलाइज़ करें

SageMaker Geospatial API का एक प्राथमिक कार्य है पृथ्वी अवलोकन कार्य (ईओजे), जो आपको पृथ्वी की सतह से एकत्रित रेखापुंज डेटा को प्राप्त करने और बदलने की अनुमति देता है। एक ईओजे एक निर्दिष्ट डेटा स्रोत (यानी, एक उपग्रह तारामंडल) से रुचि के एक निर्दिष्ट क्षेत्र और समय अवधि के लिए उपग्रह इमेजरी को पुनः प्राप्त करता है, और पुनर्प्राप्त छवियों के लिए एक या कई मॉडल लागू करता है।

EOJs किसके द्वारा बनाए जा सकते हैं भू-स्थानिक नोटबुक. इस पोस्ट के लिए, हम एक का उपयोग करते हैं उदाहरण नोटबुक.

ईओजे को कॉन्फ़िगर करने के लिए, निम्नलिखित पैरामीटर सेट करें:

• इनपुट कॉन्फिग - इनपुट कॉन्फ़िगरेशन डेटा अधिग्रहण के दौरान लागू किए जाने वाले डेटा स्रोतों और फ़िल्टरिंग मानदंडों को परिभाषित करता है:
  • रास्टरडेटा संग्रहArn - परिभाषित करता है कि किस उपग्रह से डेटा एकत्र करना है।
  • ब्याज की क्षेत्र - भौगोलिक एओआई; बहुभुज को परिभाषित करता है जिसके लिए छवियों को एकत्र किया जाना है (में GeoJSON प्रारूप).
  • टाइमरेंजफ़िल्टर - ब्याज की समय सीमा: {StartTime: <string>, EndTime: <string> }.
  • संपत्ति फ़िल्टर - अतिरिक्त संपत्ति फिल्टर, जैसे कि अधिकतम स्वीकार्य क्लाउड कवर।
• जॉबकॉन्फिग - मॉडल कॉन्फ़िगरेशन पुनर्प्राप्त उपग्रह छवि डेटा पर लागू होने वाले प्रसंस्करण कार्य को परिभाषित करता है। एक NDVI मॉडल प्री-बिल्ट के हिस्से के रूप में उपलब्ध है BandMath ऑपरेशन।

इनपुट कॉन्फिग सेट करें

SageMaker भू-स्थानिक क्षमताएं दो अलग-अलग स्रोतों से उपग्रह इमेजरी का समर्थन करती हैं जिन्हें उनके Amazon संसाधन नाम (ARNs) के माध्यम से संदर्भित किया जा सकता है:

• लैंडसैट संग्रह 2 स्तर-2 विज्ञान उत्पाद, जो 30m के स्थानिक विभेदन पर पृथ्वी की सतह परावर्तन (SR) और सतह के तापमान (ST) को मापता है
• सेंटिनल 2 एल2ए सीओजी, जो 13 मीटर तक के रेजोल्यूशन के साथ 10 अलग-अलग बैंड (नीला, हरा, नियर-इन्फ्रारेड, और इसी तरह) में लार्ज-स्वैथ निरंतर वर्णक्रमीय माप प्रदान करता है।

आप इन ARNs को सीधे API के माध्यम से कॉल करके पुनः प्राप्त कर सकते हैं list_raster_data_collections ().

यह समाधान Sentinel 2 डेटा का उपयोग करता है। सेंटिनल-2 मिशन दो उपग्रहों के समूह पर आधारित है। के तौर पर नक्षत्र, बार-बार और उच्च-रिज़ॉल्यूशन टिप्पणियों की अनुमति देते हुए, भूमध्य रेखा पर एक ही स्थान पर हर 5 दिनों में दोबारा गौर किया जाता है। सेंटिनल 2 को ईओजे के लिए डेटा स्रोत के रूप में निर्दिष्ट करने के लिए, बस एआरएन का संदर्भ लें:

#set raster data collection arn to sentinel 2
data_collection_arn = "arn:aws:sagemaker-geospatial:us-west-2:378778860802:raster-data-collection/public/nmqj48dcu3g7ayw8"

अगला, AreaOfInterest (एओआई) ईओजे के लिए परिभाषित करने की आवश्यकता है। ऐसा करने के लिए, आपको इसका एक GeoJSON प्रदान करना होगा बाउंडिंग बॉक्स जो उस क्षेत्र को परिभाषित करता है जहां आपूर्तिकर्ता संचालित होता है. निम्न कोड स्निपेट बाउंडिंग बॉक्स निर्देशांक निकालता है और EOJ अनुरोध इनपुट को परिभाषित करता है:

file_name = "../assets/aoi_samples/brazil_plantation_mato_grosso.geojson"
aoi_shape = gpd.read_file(geojson_file_name) #load geojson as shape file
aoi_shape = aoi_shape.set_crs(epsg=4326) #set projection, i.e. coordinate reference system (CRS)
aoi_coordinates = json.loads(aoi_shape.to_json())['features'][0]["geometry"]["coordinates"] #extract coordinates #set aoi query parameters
selected_aoi_feature = { "AreaOfInterestGeometry": { "PolygonGeometry": { "Coordinates": aoi_coordinates } }
}

निम्नलिखित अनुरोध सिंटैक्स का उपयोग करके समय सीमा परिभाषित की गई है:

start="2022-10-01T00:00:00" #time in UTC
end="2022-12-20T00:00:00" #time in UTC
time_filter = { "StartTime": start, "EndTime": end
}

चयनित रास्टर डेटा संग्रह के आधार पर, विभिन्न अतिरिक्त गुण फ़िल्टर समर्थित हैं। आप कॉल करके उपलब्ध विकल्पों की समीक्षा कर सकते हैं get_raster_data_collection(Arn=data_collection_arn)["SupportedFilters"]. निम्नलिखित उदाहरण में, AOI पर अपेक्षाकृत अबाधित दृश्य सुनिश्चित करने के लिए 5% क्लाउड कवर की एक सख्त सीमा लगाई गई है:

property_filters={ "Properties":[ { "Property":{ "EoCloudCover":{ "LowerBound": 0, "UpperBound": 5 } } }, ], "LogicalOperator": "AND"
}

क्वेरी परिणामों की समीक्षा करें

ईओजे शुरू करने से पहले, सुनिश्चित करें कि क्वेरी पैरामीटर वास्तव में उपग्रह छवियों को प्रतिक्रिया के रूप में लौटाते हैं। इस उदाहरण में, ApproximateResultCount 3 है, जो पर्याप्त है। आपको कम प्रतिबंधात्मक उपयोग करने की आवश्यकता हो सकती है PropertyFilter यदि कोई परिणाम नहीं लौटाया जाता है।

#consolidate query parameters
query_param = { "AreaOfInterest": selected_aoi_feature, "TimeRangeFilter": time_filter, "PropertyFilters": property_filters
}
#review query results
query_results = sm_geo_client.search_raster_data_collection( Arn = data_collection_arn, RasterDataCollectionQuery = query_param
)
#get result count
result_count = query_results["ApproximateResultCount"]

आप कच्चे इनपुट छवियों के थंबनेल को अनुक्रमित करके समीक्षा कर सकते हैं query_results वस्तु। उदाहरण के लिए, द कच्ची छवि थंबनेल URL क्वेरी द्वारा लौटाए गए अंतिम आइटम को निम्नानुसार एक्सेस किया जा सकता है: query_results['Items'][-1]["Assets"]["thumbnail"]["Href"] .

जॉबकॉन्फिग सेट करें

अब जब हमने अपरिष्कृत सेंटिनल 2 उपग्रह डेटा प्राप्त करने के लिए आवश्यक सभी आवश्यक पैरामीटर निर्धारित कर दिए हैं, तो अगला कदम एनडीवीआई के संदर्भ में मापी गई वनस्पति घनत्व का अनुमान लगाना है। इसमें आम तौर पर एओआई को काटने वाली सैटेलाइट टाइल्स की पहचान करना और डेटा प्रदाता से समय सीमा के लिए सैटेलाइट इमेजरी डाउनलोड करना शामिल होगा। फिर आपको अधिग्रहीत फ़ाइलों को ओवरले करने, विलय करने और क्लिप करने की प्रक्रिया से गुजरना होगा, संबंधित बैंड (जैसे लाल और निकट-इन्फ्रारेड) पर गणितीय संचालन करके संयुक्त छवि के प्रत्येक रेखापुंज सेल के लिए एनडीवीआई की गणना करना होगा, और अंत में परिणामों को एक नई सिंगल-बैंड रास्टर छवि में सहेजना। SageMaker की भू-स्थानिक क्षमताएं इस वर्कफ़्लो का एंड-टू-एंड कार्यान्वयन प्रदान करती हैं, जिसमें एक अंतर्निहित NDVI मॉडल शामिल है जिसे एक के साथ चलाया जा सकता है। सरल एपीआई कॉल. आपको केवल कार्य विन्यास निर्दिष्ट करने और इसे पूर्वनिर्धारित NDVI मॉडल पर सेट करने की आवश्यकता है:

job_config={ "BandMathConfig": { 'PredefinedIndices': [ 'NDVI', ] }
}

रुचि के भू-स्थानिक डेटा को प्राप्त करने और बदलने के लिए SageMaker के लिए सभी आवश्यक इनपुट परिभाषित करने के बाद, अब आप एक साधारण API कॉल के साथ EOJ शुरू कर सकते हैं:

#set job name
job_name = "EOJ-Brazil-MatoGrosso-2022-Q4" #set input config
input_config=query_param
input_config["RasterDataCollectionArn"] = data_collection_arn #add RasterDataCollectionArn to input_conf #invoke EOJ
eoj = sm_geo_client.start_earth_observation_job( Name=job_name, ExecutionRoleArn=sm_exec_role, InputConfig={"RasterDataCollectionQuery":input_config}, JobConfig=job_config
)

ईओजे पूरा होने के बाद, आप परिणाम तलाशना शुरू कर सकते हैं। सेजमेकर की भू-स्थानिक क्षमताएं फोरस्क्वेयर स्टूडियो द्वारा संचालित बिल्ट-इन विज़ुअलाइज़ेशन टूलिंग प्रदान करती हैं, जो मूल रूप से एक सेजमेकर नोटबुक के भीतर से काम करती है। SageMaker भू-स्थानिक नक्शा SDK. निम्न कोड स्निपेट एक मानचित्र को प्रारंभ और प्रस्तुत करता है और फिर इसमें कई परतें जोड़ता है:

#initialize and render map
geo_map = sagemaker_geospatial_map.create_map({"is_raster": True})
geo_map.set_sagemaker_geospatial_client(sm_geo_client)
geo_map.render() #add AOI layer
config = {"label": "EOJ AOI"}
aoi_layer = geo_map.visualize_eoj_aoi( Arn=eoj["Arn"], config=config
)
#add input layer
config = {"label": "EOJ Input"}
input_layer = geo_map.visualize_eoj_input( Arn=eoj["Arn"], config=config
)
#add output layer
config = { "label":"EOJ Output", "preset": "singleBand", "band_name": "ndvi"
}
output_layer = geo_map.visualize_eoj_output( Arn=eoj["Arn"], config=config
)

एक बार प्रदान करने के बाद, आप अन्य विकल्पों के साथ-साथ परतों को छिपाकर या दिखाकर, ज़ूम इन और आउट करके या रंग योजनाओं को संशोधित करके मानचित्र के साथ इंटरैक्ट कर सकते हैं। निम्न स्क्रीनशॉट आउटपुट लेयर (NDVI- रूपांतरित सेंटिनल 2 रास्टर फ़ाइल) पर आरोपित AOI बाउंडिंग बॉक्स लेयर को दिखाता है। चमकीले पीले पैच वर्षावन का प्रतिनिधित्व करते हैं जो बरकरार है (एनडीवीआई = 1), गहरे पैच खेतों का प्रतिनिधित्व करते हैं (0.5> एनडीवीआई> 0), और गहरे नीले पैच पानी (एनडीवीआई = -1) का प्रतिनिधित्व करते हैं।

वर्तमान अवधि मूल्यों बनाम एक परिभाषित आधार रेखा अवधि की तुलना करके, एनडीवीआई में परिवर्तन और विसंगतियों की पहचान की जा सकती है और समय के साथ उन पर नज़र रखी जा सकती है।

अतिरिक्त जानकारी के लिए कस्टम पोस्टप्रोसेसिंग और क्विकसाइट विज़ुअलाइज़ेशन

SageMaker भू-स्थानिक क्षमताएं एक शक्तिशाली पूर्व-निर्मित विश्लेषण और मानचित्रण टूलकिट के साथ आती हैं जो कई भू-स्थानिक विश्लेषण कार्यों के लिए आवश्यक कार्यक्षमता प्रदान करती हैं। कुछ मामलों में, आपको अतिरिक्त लचीलेपन की आवश्यकता हो सकती है और ईओजे परिणामों पर अनुकूलित पोस्ट-विश्लेषण चलाना चाहते हैं। SageMaker की भू-स्थानिक क्षमताएं निर्यात कार्य के माध्यम से इस लचीलेपन की सुविधा प्रदान करती हैं। ईओजे आउटपुट निर्यात करना फिर से एक साधारण एपीआई कॉल है:

export_job=sm_geo_client.export_earth_observation_job( Arn=eoj["Arn"], ExecutionRoleArn=sm_exec_role, OutputConfig={"S3Data": {"S3Uri":"s3://{}".format(main_bucket_name)+"/raw-eoj-output/"}}, ExportSourceImages=False
)

तब आप आगे की स्थानीय प्रक्रिया के लिए आउटपुट रास्टर फाइल डाउनलोड कर सकते हैं सेजमेकर जियोस्पेशियल नोटबुक GDAL, Fiona, GeoPandas, Shapely, और Rasterio जैसे भू-स्थानिक विश्लेषण के लिए सामान्य Python पुस्तकालयों के साथ-साथ SageMaker- विशिष्ट पुस्तकालयों का उपयोग करना। SageMaker में चल रहे विश्लेषणों के साथ, SageMaker के साथ मूल रूप से एकीकृत होने वाले सभी AWS एनालिटिक्स टूलिंग भी आपके निपटान में हैं। उदाहरण के लिए, में जुड़ा समाधान AWS पर स्थिरता के लिए भू-स्थानिक अंतर्दृष्टि के लिए मार्गदर्शन GitHub रेपो Amazon S3 और का उपयोग करता है अमेज़न एथेना पोस्टप्रोसेसिंग परिणामों की क्वेरी करने और उन्हें क्विकसाइट डैशबोर्ड में देखने योग्य बनाने के लिए। परिनियोजन कोड और QuickSight डैशबोर्ड के निर्देशों के साथ सभी प्रोसेसिंग रूटीन में विस्तृत हैं गिटहब भंडार.

डैशबोर्ड तीन मुख्य विज़ुअलाइज़ेशन घटक प्रदान करता है:

• एनडीवीआई मूल्यों की एक समय श्रृंखला साजिश एक आधार रेखा अवधि के खिलाफ सामान्यीकृत होती है, जो आपको वनस्पति घनत्व में अस्थायी गतिशीलता को ट्रैक करने में सक्षम बनाती है।
• आधारभूत अवधि और वर्तमान अवधि में एनडीवीआई मूल्यों का पूर्ण असतत वितरण, पारदर्शिता प्रदान करते हुए जिस पर वनस्पति प्रकारों में सबसे बड़ा परिवर्तन देखा गया है
• बेसलाइन अवधि, वर्तमान अवधि, और दोनों अवधियों के बीच पिक्सेल-दर-पिक्सेल अंतर के लिए एनडीवीआई-रूपांतरित उपग्रह इमेजरी, जो आपको एओआई के अंदर प्रभावित क्षेत्रों की पहचान करने की अनुमति देता है

जैसा कि निम्नलिखित उदाहरण में दिखाया गया है, 5 वर्षों (2017-Q3 से 2022-Q3) की अवधि में, AOI का औसत NDVI बेसलाइन अवधि (Q7.6 3) के मुकाबले 2017% कम हो गया, जिससे कुल क्षेत्रफल 250.21 km2 प्रभावित हुआ। यह कमी मुख्य रूप से उच्च-एनडीवीआई क्षेत्रों (वन, वर्षावन) में परिवर्तन से प्रेरित थी, जिसे वर्तमान बनाम बेसलाइन अवधि के एनडीवीआई वितरण की तुलना करते समय देखा जा सकता है।

बेसलाइन के खिलाफ पिक्सेल-दर-पिक्सेल स्थानिक तुलना इस बात पर प्रकाश डालती है कि वनों की कटाई की घटना एओआई के ठीक केंद्र में एक क्षेत्र में घटित हुई थी जहाँ पहले से अछूते प्राकृतिक वन को खेत में बदल दिया गया था। आपूर्ति श्रृंखला पेशेवर इन डेटा बिंदुओं को आगे की जांच और संबंधित आपूर्तिकर्ता के साथ संबंधों की संभावित समीक्षा के आधार के रूप में ले सकते हैं।

निष्कर्ष

SageMaker की भू-स्थानिक क्षमताएँ दूरस्थ भू-स्थानिक निगरानी को आसान और सुलभ बनाकर कॉर्पोरेट जलवायु कार्य योजनाओं पर नज़र रखने का एक अभिन्न अंग बन सकती हैं। यह ब्लॉग पोस्ट केवल एक विशिष्ट उपयोग के मामले पर केंद्रित है - कच्चे माल की आपूर्ति श्रृंखला की उत्पत्ति की निगरानी करना। अन्य उपयोग के मामले आसानी से बोधगम्य हैं। उदाहरण के लिए, आप उत्सर्जन ऑफसेटिंग के लिए वन बहाली के प्रयासों को ट्रैक करने के लिए समान आर्किटेक्चर का उपयोग कर सकते हैं, वनों की कटाई या खेती के अनुप्रयोगों में पौधों के स्वास्थ्य की निगरानी कर सकते हैं, या जल निकायों पर सूखे के प्रभाव का पता लगाना, कई अन्य अनुप्रयोगों के बीच।

लेखक के बारे में

कार्स्टन श्रोएर एडब्ल्यूएस में समाधान वास्तुकार हैं। वह अपने आईटी बुनियादी ढांचे की स्थिरता को चलाने के लिए डेटा और प्रौद्योगिकी का लाभ उठाने में ग्राहकों का समर्थन करता है और क्लाउड-देशी डेटा-संचालित समाधान बनाता है जो उनके संबंधित वर्टिकल में स्थायी संचालन को सक्षम बनाता है। एप्लाइड मशीन लर्निंग एंड ऑपरेशंस मैनेजमेंट में पीएचडी की पढ़ाई के बाद कार्स्टन AWS में शामिल हो गए। वह वास्तव में सामाजिक चुनौतियों के लिए प्रौद्योगिकी-सक्षम समाधानों के बारे में भावुक हैं और इन समाधानों को रेखांकित करने वाले तरीकों और एप्लिकेशन आर्किटेक्चर में गहराई से गोता लगाना पसंद करते हैं।

तमारा हर्बर्ट यूके में एडब्ल्यूएस प्रोफेशनल सर्विसेज के साथ एक एप्लिकेशन डेवलपर है। वह विभिन्न प्रकार के ग्राहकों के लिए आधुनिक और स्केलेबल एप्लिकेशन बनाने में माहिर हैं, वर्तमान में सार्वजनिक क्षेत्र के भीतर उन पर ध्यान केंद्रित कर रही हैं। वह सक्रिय रूप से समाधानों के निर्माण और बातचीत चलाने में शामिल है जो संगठनों को क्लाउड में और उसके माध्यम से अपने स्थिरता लक्ष्यों को पूरा करने में सक्षम बनाती है।

मार्गरेट ओ'टूल 2017 में AWS में शामिल हुए और अपना समय विभिन्न तकनीकी भूमिकाओं में ग्राहकों की मदद करने में बिताया। आज, मार्गरेट सस्टेनेबिलिटी के लिए डब्ल्यूडब्ल्यू टेक लीडर है और सस्टेनेबिलिटी तकनीकी विशेषज्ञों का सामना करने वाले ग्राहकों के समुदाय का नेतृत्व करती है। साथ में, समूह ग्राहकों को स्थिरता के लिए आईटी को अनुकूलित करने और दुनिया भर में स्थिरता में सबसे कठिन चुनौतियों में से कुछ को हल करने के लिए AWS तकनीक का लाभ उठाने में मदद करता है। मार्गरेट ने वर्जीनिया विश्वविद्यालय में जीव विज्ञान और कंप्यूटर विज्ञान का अध्ययन किया और ऑक्सफोर्ड के सैद बिजनेस स्कूल में अग्रणी सतत निगमों का अध्ययन किया।

• एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
• प्लेटोब्लॉकचैन। Web3 मेटावर्स इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
• स्रोत: https://aws.amazon.com/blogs/machine-learning/remote-monitoring-of-raw-material-supply-chains-for-sustainability-with-amazon-sagemaker-geospatial-capabilities/