Ich werde Landnutzung und Landbedeckung klassifizieren und Veränderungen erkennen

Ich klassifiziere Satellitenbilder in Landbedeckungsklassen und quantifiziere, was sich zwischen Daten verändert hat – mit Zahlen, die du in einen Bericht einfügen kannst.

WAS ICH KANN

• Überwachte Klassifikation (Random Forest, SVM, Maximum Likelihood)
• - Veränderungsdetektion zwischen zwei oder mehr Jahren
• - Mapping von urbanem Wachstum und Ausbau
• - Vegetations-, Wasser-, Boden- und Landwirtschaftsklassen
• - Übergangsmatrix und Flächenstatistiken pro Klasse
• - Genauigkeitsbewertung mit Konfusionsmatrix und Kappa

• Klassifizierte Karten mit Legende, Maßstabsbalken und Nordpfeil
• - Klassifizierte Raster und Shapefiles, die du wiederverwenden kannst
• - Flächen- und Veränderungstabellen in Excel oder CSV
• - Genauigkeitszahlen, ehrlich berichtet

Remote Sensing Ingenieur und Doktorand an der Capital Normal University in Peking. Ich leitete eine Studie zum urbanen Wachstum für die Gilgit Development Authority: Sentinel-2 Veränderungsdetektion, Wohnungsdichte 2017 vs. 2024, UAV-Umfrage mit 3-4 cm Auflösung und Haushaltsbefragung, geliefert als Landnutzung, Landbedeckung und Dichtekarten mit technischem Bericht.

Daten: Landsat 5-9, Sentinel-2, Planet, UAV-Bilder. Werkzeuge: QGIS, ArcGIS, Google Earth Engine, Python.

Sende deine Fläche und die Jahre, die verglichen werden sollen.