这篇文章是与来自Arup的Richard Alexander和Mark Hallows合著的。
Arup是一个致力于可持续发展的全球设计师、顾问和专家团队。数据为Arup的顾问工作提供支持，通过世界一流的数据收集和分析，为决策过程提供洞察力，以产生影响。
这里提出的解决方案是为韧性城市设计提供决策过程的指导。通过提供对更可持续选择的设计决策的信息，可以减少城市热岛效应，改善空气质量、水质、城市声学、生物多样性和热舒适度等生活质量指标。识别城市环境中的关键区域可以使Arup在行业内提供最佳指导，为全球公民创造更高质量的生活。
城市热岛描述了城市区域与周围农村环境的温度差异。了解城市热岛效应对我们的城市产生的影响，可以改善设计，减少城市热对居民的影响。热岛效应影响人类健康、温室气体排放和水质，并导致能源消耗增加。对于城市当局、资产所有者和开发商来说，了解对人口的影响是改善生活质量和自然生态系统的关键。精确建模城市热岛是一个复杂的挑战，Arup正在使用地球观测数据和Amazon SageMaker来解决这个问题。
本文介绍了Arup如何与AWS合作，利用Amazon SageMaker的地理空间能力进行地球观测分析，从卫星图像中获取城市热岛的见解。SageMaker的地理空间能力使数据科学家和机器学习工程师能够使用地理空间数据构建、训练和部署模型变得简单。SageMaker的地理空间能力使您能够高效地转换和丰富大规模地理空间数据集，加速产品开发和洞察力的时间，并使用3D加速图形和内置可视化工具在交互式地图上探索模型预测和地理空间数据。
解决方案概览
初始解决方案重点关注伦敦，在2022年夏季热浪期间，英国卫生安全局估计有2803人因高温而过世。识别城市环境中可能更容易受到热岛效应影响的地区，使公共服务能够将援助重点放在产生最大影响的地方。这甚至可以在高温事件之前进行预测，减少极端天气的影响，并为城市居民带来积极的结果。
地球观测（EO）数据被用于进行城市规模的分析。然而，总体数据规模对于传统的存储、组织和查询大地理区域的方式来说是一个挑战。Arup通过与AWS合作并利用SageMaker的地理空间能力，实现了在城市规模及更大范围上进行分析。随着地理区域扩大到像洛杉矶或东京这样的大都市地区，需要更多的存储和计算资源来进行分析。AWS基础设施的弹性特性非常适合任何规模的城市环境的热岛分析。
解决方案：UHeat
Arup使用SageMaker开发了UHeat，一种数字解决方案，用于分析城市的大范围区域，以确定导致温度升高的特定建筑物、结构和材料。UHeat使用卫星图像和开源气候数据进行分析。
Arup的一个小团队进行了初始分析，期间需要对更多的数据科学家进行SageMaker工具和工作流程的培训。在以前使用内部工具进行数据科学家的新项目入职培训需要数周的时间，现在只需要几个小时就可以完成。
任何EO分析的第一步是收集和准备数据。借助SageMaker，Arup可以访问来自地理空间数据提供商的数据目录，包括用于伦敦分析的Sentinel-2数据。内置的地理空间数据集访问功能可以节省数周的工作量，否则需要花费在从各种数据提供商和供应商收集和准备数据上。EO图像通常由小块瓷砖组成，为了覆盖伦敦这样的区域，需要将它们组合起来。这被称为几何镶嵌，可以使用SageMaker的几何镶嵌地球观测作业自动创建。
在编译感兴趣区域的EO数据之后，可以提取分析的关键影响参数。对于UHI，Arup需要能够推导出建筑几何、建筑材料、人为热源以及现有和计划中的绿地覆盖等参数的数据。使用光学图像（如Sentinel-2），可以计算包括建筑物、道路、水域、植被覆盖、裸地以及每个表面的反射率（反射性的度量）在内的土地覆盖类别。
通过计算卫星图像中不同波段的数值，可以将其作为SUEWS模型的输入，该模型提供了一种严格计算城市热岛效应的方法。然后，使用Arup现有的地理空间数据平台对SUEWS的结果进行可视化。通过调整特定位置的反照率等数值，Arup能够测试缓解策略的效果。通过对不同建筑材料、外墙材料或屋顶进行建模，可以进一步改进反照率性能。Arup发现，在伦敦的一个地区，将反照率从0.1增加到0.9可以在高峰时段将环境温度降低1.1°C。在更大的感兴趣区域内，这种建模方法还可以用于预测城市热岛效应，并结合气候预测来量化热岛效应的规模。
通过使用Sentinel-2等历史数据，可以完成时间序列研究。这使得Arup可以在感兴趣的时间段内可视化城市热岛效应，例如伦敦2022年夏季的热浪。Arup完成的Urban Heat Snapshot研究揭示了热岛效应如何提高伦敦、马德里、孟买和洛杉矶等城市的温度。
收集感兴趣区域的数据
SageMaker通过提供地理空间数据提供商的目录，消除了手动收集地球观测作业（EOJs）数据的复杂性。截至本文撰写时，USGS Landsat、Sentinel-1、Copernicus DEM、NAIP：国家农业影像计划和Sentinel-2数据可以直接从目录中获取。当需要更高分辨率和频率的图像时，还可以使用自己的Planet Labs数据。内置的地理空间数据集访问功能可节省数周的工作时间，否则需要从各种数据提供商和供应商收集数据。需要提供感兴趣多边形区域的坐标以及EO图像采集的时间范围。
Arup的下一步是将这些图像合并成覆盖整个感兴趣区域的单个较大的栅格图像。这称为镶嵌，可以通过将GeoMosaicConfig传递给SageMaker的StartEarthObservationJob API来支持。
我们提供了一些代表Arup所采取步骤的代码示例：
input_config = {
'AreaOfInterest': {
'AreaOfInterestGeometry': {
'PolygonGeometry': {
'Coordinates': [
[
[-0.10813482652250173,51.52037502928192],
[-0.10813482652250173, 51.50403627237003],
[-0.0789364331937179, 51.50403627237003],
[-0.0789364331937179, 51.52037502928192],
[-0.10813482652250173, 51.52037502928192]
]
]
}
}
},
'TimeRangeFilter': {
'StartTime': '2020-01-01T00:00:00',
'EndTime': '2023-01-1T00:00:00'
},
'PropertyFilters': {
'Properties': [
{
'Property': {
'EoCloudCover': {
'LowerBound': 0,
'UpperBound': 1
}
}
}
],
'LogicalOperator': 'AND'
},
'RasterDataCollectionArn': 'arn:aws:sagemaker-geospatial:us-west-2:378778860802:raster-data-collection/public/nmqj48dcu3g7ayw8'
}
eoj_config = {
"JobConfig": {
"CloudRemovalConfig": {
"AlgorithmName": "INTERPOLATION",
"InterpolationValue": "-9999",
"TargetBands": ["red", "green", "blue", "nir", "swir16"],
},
}
}
#调用EOJ，这将在后台运行几分钟
eoj = sm_geo_client.start_earth_observation_job(
Name="London-Observation-Job",
ExecutionRoleArn=sm_exec_role,
InputConfig={"RasterDataCollectionQuery":input_config},
**eoj_config
)
print("EOJ started with... \nName: {} \nID: {}".format(eoj["Name"],eoj["Arn"]))这可能需要一些时间才能完成。您可以像这样检查作业的状态：
eoj_arn = eoj["Arn"]
job_details = sm_geo_client.get_earth_observation_job(Arn=eoj_arn)
{k: v for k, v in job_details.items() if k in ["Arn", "Status", "DurationInSeconds"]}
#列出帐户中的所有作业
sm_geo_client.list_earth_observation_jobs()["EarthObservationJobSummaries"]重采样
接下来，栅格将被重采样以使得采集到的图像的像素大小归一化。您可以使用ResamplingConfig来实现这一点，通过提供像素边长的值：
eoj_config = {
"JobConfig": {
"ResamplingConfig": {
"OutputResolution": {
"UserDefined": {
"Value": 20,
"Unit": "METERS"
}
},
"AlgorithmName": "NEAR",
},
}
}
eojParams = {
"Name": "Resample",
"InputConfig": {
"PreviousEarthObservationJobArn": eoj["Arn"]
},
**eoj_config,
"ExecutionRoleArn": sm_exec_role,
}
eoj = sm_geo_client.start_earth_observation_job(**eojParams)
print("EOJ started with... \nName: {} \nID: {}".format(eoj["Name"],eoj["Arn"]))确定覆盖范围
通过应用归一化差异植被指数（NDVI）可以确定土地覆盖范围，例如植被。在实践中，可以根据反射的红外光和近红外光的强度来计算此指数。为了在SageMaker中将此计算应用于EO数据，可以向StartEarthObservationJob API提供BandMathConfig：
job_config={
"BandMathConfig": {
'CustomIndices': {
"Operations":[
{
"Name": "NDVI",
"Equation": "(nir - red)/(nir+red)"
}
]
}
}
}
eojParams = {
"Name": "Bandmath",
"InputConfig": {
"PreviousEarthObservationJobArn": eoj["Arn"]
},
"JobConfig":job_config,
"ExecutionRoleArn": sm_exec_role,
}
eoj = sm_geo_client.start_earth_observation_job(**eojParams)
print("EOJ started with... \nName: {} \nID: {}".format(eoj["Name"],eoj["Arn"]))我们可以使用SageMaker地理空间能力可视化工具来可视化带数学作业输出的结果。SageMaker地理空间能力可以帮助您将模型预测叠加在基础地图上，并提供分层可视化，以便更容易进行协作。GPU加速的交互式可视化工具和Python笔记本提供了一种无缝的方式来探索数百万个数据点，并在一个窗口中进行协作和分析洞察和结果。
准备可视化
最后，Arup通过将各种波段和计算出的波段合并为单个GeoTIFF文件来为可视化做准备。对于波段堆叠，可以将StackConfig对象传递给SageMaker EOJs，其中可以根据输入图像的分辨率设置输出分辨率：
job_config={
'StackConfig': {
'OutputResolution': {
'Predefined': 'HIGHEST'
}
}
}
eojParams = {
"Name": "Stack",
"InputConfig": {
"PreviousEarthObservationJobArn": "arn:aws:sagemaker-geospatial:us-west-2:951737352731:earth-observation-job/8k2rfir84zb7"
},
"JobConfig":job_config,
"ExecutionRoleArn": sm_exec_role,
}
eoj = sm_geo_client.start_earth_observation_job(**eojParams)
print("EOJ started with... \nName: {} \nID: {}".format(eoj["Name"],eoj["Arn"]))最后，输出的GeoTIFF文件可以存储以备将来在Amazon Simple Storage Service (Amazon S3)中使用，或者使用SageMaker地理空间能力进行可视化。通过将输出存储在Amazon S3中，Arup可以在新项目中使用分析结果，并将数据纳入新的推理作业中。在Arup的情况下，他们使用处理后的GeoTIFF文件在现有的地理信息系统可视化工具中生成与产品设计主题一致的可视化效果。
结论
通过利用SageMaker的本地功能，Arup能够在几个小时内对城市尺度的城市热岛效应进行分析，而这在以前需要几周的时间。这有助于Arup使其客户更快地实现可持续发展目标，并缩小应用城市热岛效应缓解策略的关注领域，节省宝贵资源并优化缓解策略。这项分析还可以作为更大风险分析项目的一部分，与未来的地球观测工具整合在一起，帮助Arup的客户预测不同情景下的城市热岛效应。
像Arup这样的公司正在通过云端使用地球观测数据来实现可持续发展。立即在SageMaker控制台上探索SageMaker地理空间能力，解锁地球观测数据在您的可持续发展项目中的可能性。要了解更多信息，请参考Amazon SageMaker地理空间能力，或者亲自体验指导解决方案。