本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 操作类型
<a name="geospatial-eoj-models"></a>

创建 EOJ 时，您可以根据自己的使用案例选择操作。Amazon SageMaker 地理空间功能提供了专门构建的操作和预训练模型的组合。您可以使用这些操作来了解环境变化和人类活动随时间推移的影响，或识别有云和无云像素。

**云遮蔽**

识别卫星图像中的云层是生成高质量地理空间数据必不可少的预处理步骤。忽略云像素可能会导致分析错误，而过度检测云像素则会减少有效观测数据的数量。云遮蔽技术能够识别卫星图像中的多云和无云像素。准确的云遮蔽有助于获取卫星图像进行处理，并改进数据生成。以下是云遮蔽的类图。

```
{
0: "No_cloud",
1: "cloud"
}
```

**云消除**

Sentinel-2 数据的云消除使用基于 ML 的语义分割模型来识别图像中的云层。多云的像素可以用其他时间戳的像素代替。USGS Landsat 数据包含用于清除云层的地球卫星元数据。

**时间统计**

时间统计可计算地理空间数据随时间变化的统计数据。目前支持的时间统计包括平均值、中位数和标准差。您可以使用 `GROUPBY` 计算这些统计数据并将其设置为 `all` 或 `yearly`。您还可以提及 `TargetBands`。

**分区统计**

分区统计可对图像上的指定区域执行统计操作。

**重采样**

重采样用于提高或降低地理空间图像的分辨率。重采样中的 `value` 属性表示像素边长。

**Geomosaic**

Geomosaic 可以将较小的图像拼接成大图像。

**波段堆叠**

波段堆叠将多个图像波段作为输入，并将它们堆叠到单个 GeoTIFF 中。`OutputResolution` 属性决定输出图像的分辨率。根据输入图像的分辨率，您可以将其设置为 `lowest`、`highest` 或 `average`。

**波段运算**

波段运算又称光谱指数，是将多个光谱波段的观测数据转换为单一波段的过程，表示相关特征的相对丰度。例如，归一化差异植被指数 (NDVI) 和增强植被指数 (EVI) 有助于观测绿色植被特征的存在。

**土地覆被分割**

土地覆被分割是一种语义分割模型，能够识别地表的植被、水和裸露地面等物理物质。准确绘制土地覆被模式图有助于了解环境变化和人类活动随时间推移产生的影响。土地覆被分割通常用于区域规划、灾害响应、生态管理和环境影响评估。下面是土地覆被分割的类图。

```
{
0: "No_data",
1: "Saturated_or_defective",
2: "Dark_area_pixels",
3: "Cloud_shadows",
4: "Vegetation",
5: "Not_vegetated",
6: "Water",
7: "Unclassified",
8: "Cloud_medium_probability",
9: "Cloud_high_probability",
10: "Thin_cirrus",
11: "Snow_ice"
}
```

## EOJ 操作的可用性
<a name="geospatial-eoj-models-avail"></a>

操作的可用性取决于您使用的是 SageMaker 地理空间用户界面还是带有地理空间图像的 Amazon SageMaker Studio Classic 笔记本电脑。 SageMaker 目前，笔记本支持所有功能。总而言之， SageMaker AI 支持以下地理空间操作：


| 操作 |  说明  |  可用性  | 
| --- | --- | --- | 
| 云遮蔽 | 识别有云和无云像素，以获得更好、更准确的卫星图像。 | UI、笔记本 | 
| 云消除 | 从卫星图像中消除包含部分云层的像素。 | 笔记本 | 
| 时间统计 | 计算给定 GeoTIFF 随时间变化的统计数据。 | 笔记本 | 
| 分区统计 | 计算用户定义区域的统计数据。 | 笔记本 | 
| 重采样 | 按不同分辨率缩放图像。 | 笔记本 | 
| Geomosaic | 合并多张图像以获得更高的保真度。 | 笔记本 | 
| 波段堆叠 | 合并多个光谱波段以创建单张图像。 | 笔记本 | 
| 波段运算/光谱指数 | 获得表示感兴趣特征丰度的光谱波段组合。 | UI、笔记本 | 
| 土地覆被分割 | 识别卫星图像中的植被和水等土地覆被类型。 | UI、笔记本 |