什么是地理空间人工智能？

地理空间人工智能（GeoAI）是将位置、坐标、卫星影像和人口统计等地理空间数据与深度学习、机器学习和人工智能等智能技术相结合的过程。位置信息为商业智能和分析添加更多上下文，揭示洞察如何与现实世界因素相互作用。地理空间人工智能更进一步，使用人工智能提高位置信息质量、预测未来地理模式并发现地理空间数据中的隐藏趋势。

地理空间人工智能提供许多优势，使组织能够更好地利用其资源。

改进决策

地理空间人工智能提供从地理空间数据中得出的全面洞察。组织可以实时处理信息，以便在时间至关重要的情形（如灾害事件）中更好地响应。即时数据分析是有效资源分配、设备维护和响应协议的关键部分。在许多领域，这种空间科学形式指导最佳实践、为更好的资源规划创造机会，并有助于管理。

优化土地利用

地理空间分析使组织能够有效分析土地并确定最佳用途和分配。组织可以在城市规划、灾害管理与规划以及交通控制等用例中优化土地利用。使用人工智能技术有助于简化此过程并提高其效率。

环境监测

地理空间人工智能是监测我们环境时的一项关键技术。它支持诸如长期追踪植被、监测气候变化的现实影响以及优化耕作流程等应用场景。地理空间信息有助于改进保护工作，并指向管理自然资源的可持续方法。

节省成本的基础设施管理

通过在基础设施系统出现异常或故障变得严重之前识别它们，地理空间人工智能有助于实现具有成本效益的基础设施管理。长期监测基础设施有助于延长城市和工业基础设施的寿命，并最大限度减少停机时间。

地理空间人工智能在许多不同的行业中有应用场景。以下是一些示例。

监测森林砍伐

地理空间数据可以提供有关土地如何随时间变化的洞察、精确定位潜在野火风险区域，并勾勒碳信用项目。近年来，地理空间人工智能一直是监测和识别森林砍伐趋势的核心工具。

例如，巴西帕拉州政府与 Amazon Web Services 合作开发了 SeloVerde。通过结合 AWS 云中的服务和软件，SeloVerde 利用地理空间数据来源监测超过 2000 万公顷的森林区域。凭借每天的自动更新，高强度的监测有助于有力遏制森林砍伐并追踪永久保护区。

评估道路基础设施

卫星影像有助于追踪现有道路基础设施，并结合洪水风险和其他地理限制因素规划潜在的新道路。人工智能和地理空间数据帮助地方政府修复道路基础设施，并增加与服务不足社区的连接。

这方面的一个实际例子来自世界银行的努力。借助由 AWS 提供支持的数据分析和地理空间影像，世界银行自 2002 年以来已修建了超过 26 万公里的道路。通过收集有关偏远地区潜在道路网络的数据和洞察，并使用机器学习模型绘制新路线，该项目能够在三周内绘制 50 万公里的道路 – 这项壮举通常需要 15 年的传统工作。

管理干旱

全球变暖导致全球气温升高和海平面上升。气候变化可能影响从生物多样性到生态系统的方方面面。地理空间人工智能可以大规模收集数据，可视化变化并监测气候变化如何影响陆地区域。

气候变化的影响之一是米德湖的干旱。该水库为美国 2500 万人供水，但其水位处于 1937 年以来的最低水平。应用科学家使用 Amazon SageMaker 能够监测不断缩小的湖岸线并解决现实世界问题。

多种技术协同工作，为地理空间人工智能提供功能和实用性。

GIS

地理信息系统（GIS）用于记录、分析和可视化空间数据。GIS 数据是地图创建的基础，并使分析师能够理解地理空间信息中的模式。在地理空间人工智能中，GIS 有助于整理来自多个来源的数据，并从这些数据集中得出洞察。

IoT

物联网（IoT）是一个总称，指任何连接到互联网的电子设备。物联网设备提供实时的基于位置的数据和更新，例如空气质量、交通模式和天气状况。在地理背景下，物联网设备对于监测环境因素、物流和其他现实世界应用至关重要。

计算机视觉

计算机视觉是使计算机能够以远快于人类分析的速度识别图像中的人、地点和对象的过程。计算机视觉分析地理空间影像，例如航空照片或卫星图像。它可帮助检测变化、识别关键特征并长期监测土地。

云计算

云计算有助于向应用程序和平台提供无限且可扩展的存储和计算服务。云计算提供地理空间人工智能处理和分析大量数据所需的按需资源。它还可以与数据挖掘结合，以扩展组织可使用的信息量。

机器学习

机器学习是使用深度学习算法处理数据并从中学习的过程，引导其在无需明确规划的情况下做出更准确的预测。机器学习在地理空间应用中非常实用，因为它可帮助分类图像、预测建模和识别空间大数据的趋势。

Amazon Location Service 让您可以轻松地将来自多个提供商的地理空间数据集成到您的应用程序中。开发人员可以快速地将定位功能（例如地图、跟踪、路由等）添加到应用程序中，而无需牺牲用户隐私。使用 Amazon Location Service，您可以：

• 访问来自领先数据提供商的高质量地理空间数据。

• 通过集成 AWS 服务来部署并加速应用程序开发。

• 保护用户隐私并屏蔽信息。

Amazon Lookout for Equipment 通过自动检测异常行为，帮助避免工业设备的非计划停机。它让您可以在检测到异常时通过即时通知和自动操作来简化问题解决。使用 Amazon Lookout for Equipment，您可以：

• 使用来自现有传感器的数据为您的设备创建特定的机器学习模型。

• 通过异常趋势和反馈提升模型性能。

• 精确定位异常传感器并简化故障响应。

AWS Panorama 通过边缘计算机视觉帮助组织改进运营。在所有环节中支持计算机视觉功能，从通过高级对象识别改进供应链物流到优化车道流量。使用 AWS Panorama，您可以：

• 为您的设备群中的任何现有摄像头添加计算机视觉，将计算机视觉技术无缝集成到您的本地网络。

• 从集中式管理界面生成高准确度和低延迟的预测。

• 在边缘处理视频源，并控制数据的存储位置。

使用 Amazon SageMaker 的地理空间机器学习让机器学习工程师可以使用地理空间数据构建、训练和部署机器学习模型。它提供对地理空间数据源、预训练可视化工具和预训练机器学习工具的完全访问权限，以加速地理空间机器学习。使用 Amazon SageMaker 的地理空间机器学习，您可以：

• 访问位置数据、地图、卫星影像和其他地理空间信息，以做出更明智的决策。

• 使用开源库丰富大规模地理空间数据集。

• 使用包含云掩蔽、土地覆盖分割等功能的预训练深度神经网络模型，加速模型构建。

立即创建免费账户，开始在 AWS 上使用地理空间人工智能。