Ich werde fortgeschrittene räumliche Analyse und prädiktives Modellieren

Einige Informationen wurden automatisch übersetzt.

Sri Lanka

Ich spreche Englisch, Singhalesische Sprache, Tamil

Suchst du nach hochwertiger räumlicher Analyse? Ich kombiniere meinen tiefen Hintergrund in Zoologie mit einem MPhil, der sich auf GIS und Machine Learning spezialisiert hat, um präzise Karten und prä...

Über diesen Service

„Beispiel eines prädiktiven Gefahrenmodells, das ich mit räumlichen Daten und dem Logistic Regression (LoR)-Algorithmus erstellt habe. Damit zeige ich meine Fähigkeit, Geländedaten zu verarbeiten, statistische/machine learning-Modelle anzuwenden und publikationsreife Risikokarten für das Umweltmanagement zu erstellen.“

Diese Karte zeigt eine Landslide Susceptibility Zone Analysis für eine bergige Region, erstellt mit der Logistic Regression (LoR)-Methode, einer beliebten machine learning/statistischen Methode in GIS.

Wichtige Merkmale:

Landslide Susceptibility Levels: Die Karte kategorisiert das Gelände in fünf unterschiedliche Risikozonen anhand der Farbgebung:
Rot (Sehr Hoch) & Orange (Hoch): Gebiete mit hoher Anfälligkeit für zukünftige Erdrutsche, hauptsächlich entlang steiler Hänge und Täler.
Gelb (Mittel): Mittlere Risikozonen.
Hellgrün (Niedrig) & Dunkelgrün (Sehr Niedrig): Sichere, stabile Gelände.
Erdrutsch-Inventar: Die schwarzen Punkte/Flächen stellen tatsächliche historische Erdrutschstellen dar, die zur Schulung und Validierung der Vorhersagegenauigkeit des Modells verwendet werden.
Kartografische Elemente: Enthält Standard-Kartenbestandteile wie eine Maßstabsleiste (in Kilometern), Nordpfeil und genaue geografische Koordinaten (Latitude/Longitude-Gitter).