本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
# 作業類型
建立 EOJ 時，請基於您的使用案例選取作業。Amazon SageMaker 地理空間功能可提供專門建置的作業和預先訓練模型的組合。您可以使用這些操作來了解隨著時間的推移的環境變化和人類活動帶來的影響，或者識別有雲和無雲像素。
**雲遮罩**
識別衛星影像中的雲是產生高品質地理空間資料的重要預處理步驟。忽略雲像素可能會導致分析錯誤，而過度偵測雲像素可能會減少有效觀測的次數。雲遮罩能夠識別衛星影像中的多雲和無雲像素。準確的雲端遮罩有助於取得衛星影像以進行處理，並改善資料產生。以下是雲遮罩的類別對應。
```
{
0: "No_cloud",
1: "cloud"
}
```
**雲移除**
Sentinel-2 資料的雲移除使用以機器學習 (ML) 為基礎的語意分割模型來識別影像中的雲。多雲像素可以取代為來自其他時間戳記的像素。USGS Landsat 資料包含用於雲端移除的 Landsat 中繼資料。
**暫時統計**
暫時統計資料會計算時間中地理空間資料的統計資料。目前支援的暫時統計資料包括平均值、中間值和標準偏差。您可以使用 `GROUPBY` 計算這些統計資料，並將其設定為 `all` 或 `yearly`。您也可以提及 `TargetBands`。
**區域統計**
區域統計資料會針對影像上的指定區域執行統計作業。
**重新取樣**
重新取樣用於提高和縮小地理空間影像的解析度。重新取樣中的 `value` 屬性代表像素邊的長度。
**Geomosaic**
Geomosaic 讓您將較小的影像拼接成大影像。
**Band Stacking**
Band Stacking 需要一個以上的影像頻段作為輸入，並將它們堆疊成單一 GeoTIFF。`OutputResolution` 屬性會決定輸出映像的解析度。根據輸入影像的解析度，您可以將其設定為 `lowest`、`highest` 或 `average`。
**Band Math**
Band Math 也稱為譜指數，是一個將觀測值從多個光譜帶轉換為單一譜帶的過程，表示感興趣特徵的相對豐度。例如，標準化差異植被指數 (NDVI) 和增強型植被指數 (EVI) 對於觀察綠色植被特徵的存在很有幫助。
**土地覆蓋分割**
土地覆蓋分割是一種語意分割模型，能夠識別地球表面的實體材料，例如植被、水和裸露地面。有繪製土地覆蓋模式的準確方法，可以幫助您了解環境變化和人類活動在長時間內帶來的影響。土地覆蓋分割通常用於區域規劃、災害應變、生態管理和環境影響評估。以下是土地分割模型的類別地圖。
```
{
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 作業的可用性
操作的可用性取決於您是使用 SageMaker 地理空間 UI，還是 Amazon SageMaker Studio Classic 筆記本搭配 SageMaker 地理空間影像。目前，筆記本支援所有功能。總結來說，SageMaker AI 支援下列地理空間作業：
| 作業 | Description | 可用性 |
| --- | --- | --- |
| 雲遮罩 | 識別多雲和無雲像素，以獲得改善且準確的衛星影像。 | 使用者介面、筆記本 |
| 雲移除 | 從衛星影像中移除包含雲部分的像素。 | 筆記本 |
| 暫時統計 | 計算特定 GeoTiff 在一段時間內的統計資料。 | 筆記本 |
| 區域統計 | 計算使用者定義區域的統計。 | 筆記本 |
| 重新取樣 | 將圖像縮放到不同的解析度。 | 筆記本 |
| Geomosaic | 組合多個影像以獲得更高畫質。 | 筆記本 |
| Band Stacking | 合併多個光譜帶以建立單一圖像。 | 筆記本 |
| Band Math/ 譜指數 | 獲得表示感興趣特徵的相對豐度的光譜帶組合。 | 使用者介面、筆記本 |
| 土地覆蓋分割 | 識別衛星影像中的土地覆蓋類型，例如植被和水。 | 使用者介面、筆記本 |