Amazon SageMaker 的地理空间 ML 客户
Arup
致力于可持续发展，拥有逾 16000 名设计师、顾问和专家，项目遍布 140 多个国家/地区。以人为本，追求卓越，与客户和伙伴携手共建，以非凡创意、先进技术和严谨务实塑造更美好的世界。
“我们使用机器学习等数字技术来探索高温对市区的影响以及影响当地温度的因素，进而提供更好的设计并为可持续发展提供支持。城市热岛以及相关风险和不适是当今城市面临的最大挑战之一。使用 Amazon SageMaker 地理空间 ML 功能帮助我们利用地球观测数据识别和衡量城市高温因素，这大大提高了我们为客户提供咨询的能力。由于能够获取的数据量和类型增多以及分析更大的数据集，我们的工程团队可以开展过去无法实现的分析。”
Damien McCloud，Arup 地理空间和地球观测总裁兼主管
xarvio
xarvio 数字农业解决方案提供精确的数字农业产品，帮助农民优化作物生产。xarvio 产品遍及全球，其利用机器学习、图像识别技术和先进的作物与疾病模型，并结合卫星和气象站设备提供的数据，及时提供准确的农学建议，进而管理各个领域的需求。xarvio 根据当地的农业条件提供量身定制的产品，可以监测生长阶段，并识别病虫害。xarvio 产品能够提高效率、节省时间、降低风险，并增强规划和决策的可靠性，这一切均有助于实现可持续农业。
“快速原型开发和继续维护我们的机器学习资产是我们工作的重中之重。Amazon SageMaker 地理空间 ML 功能为我们提供强大的解决方案以助力原型开发，并提供各种模型的生命周期管理。利用 Amazon SageMaker，我们的效率能提升近 50%。我们的团队能够在短短的一到两周时间内建立所需的模型管道并运行测试，比过去节省了近一半的时间。”
Mojtaba Karami，xarvio 遥感技术团队负责人
DataFarming
DataFarming 是精准农业的领导者。
“采访农业公司，比如种子、化肥和化工公司时，我们惊讶地发现，几乎所有这些公司都是根据有限的数据，大部分是主观数据做出价值数百万美元的决策。这些公司往往无法回答最关键问题，比如‘能够用于播种的土地有多少？’或者‘什么时候可以收割庄稼？’ 近 20 年来我们一直热衷于使用各种卫星图像，很明显，我们希望利用地理空间数据的强大功能来帮助农业公司找到这些问题的答案，并帮助他们在农业领域内做出更明智的决策。但是，在超过 1 亿英亩的澳大利亚农田上以 1000 万像素的分辨率（实时）运行复杂的机器学习算法极具挑战性。利用 Amazon SageMaker 地理空间 ML 功能，从提出概念到完成模型构建只需几小时。”
Tim Neale，DataFarming 联合创始人
SatSure
SatSure 总部位于印度，是提供决策智能解决方案的领导者。该公司使用地球观测数据和深度学习模型为各种使用案例生成见解，包括全天候作物监测和农场风险评分以及地表覆盖变化检测和土地特征识别。
“处理大型卫星图像数据集时，构建可扩展、最先进且经济高效的深度学习模型极具挑战性。Amazon SageMaker 的工具库帮助我们简化了复杂深度学习模型的端到端管道开发。帮助我们在模型开发的生命周期内节省了 25% 的成本，使我们能够专注于创新解决方案开发。我们希望利用 Amazon SageMaker 功能开发一种数字应用程序，这种应用程序可以将低分辨率卫星图像用于基于学习的农场边界。借助 Amazon SageMaker 的内置地理空间算法、Feature Store 和参数自动调整，我们能以灵活的方式开发这一应用程序，确保达到所有成功指标。”
Rashmit Singh Sukhmani，SatSure 联合创始人兼首席数据官
EarthOptics
EarthOptics 是一家土壤数据测量和绘图公司，利用专有的传感器技术和数据分析来精确测量土壤的健康状况和结构。
“我们希望使用 ML 帮助我们的客户通过经济高效的土壤图提高农业收益。借助 Amazon SageMaker 地理空间 ML 功能，我们可以使用多个数据来源快速构建算法原型，同时将 API 部署的研究和生产时间缩短到仅仅一个月。得益于使用 Amazon SageMaker，我们现在能为美国各地的农场和牧场土壤固碳提供地理空间解决方案。”
Lars Dyrud，EarthOptics 首席执行官