Faro' classificazione land use land cover e rilevamento dei cambiamenti


Informazioni su questo servizio
Traduzione automatica.
Classifico le immagini satellitari in classi di copertura del suolo e quantifico cosa è cambiato tra le date, con numeri che puoi inserire in un rapporto.
COSA POSSO FARE
- Classificazione supervisionata (Random Forest, SVM, Massima Verosimiglianza)
- - Rilevamento dei cambiamenti tra due o più anni
- - Mappatura della crescita urbana e dell'espansione delle aree costruite
- - Classi di vegetazione, acqua, suolo nudo e agricoltura
- - Matrice di transizione e statistiche di area per classe
- - Valutazione dell'accuratezza con matrice di confusione e kappa
COSA RICEVI
- Mappe classificate con legenda, barra di scala e freccia nord
- - Raster e shapefile classificati che puoi riutilizzare
- - Tabelle di area e cambiamento in Excel o CSV
- - Dati di accuratezza, riportati onestamente
PERCHÉ SCEGLIERE ME
Ingegnere di telerilevamento e ricercatore PhD presso la Capital Normal University di Pechino. Ho condotto uno studio sulla crescita urbana per l'Autorità di Sviluppo di Gilgit: rilevamento dei cambiamenti con Sentinel-2, densità abitativa 2017 vs 2024, rilievo UAV a 3-4 cm e un sondaggio tra le famiglie, consegnati come mappe di uso del suolo, copertura del suolo e densità con un rapporto tecnico.
Dati: Landsat 5-9, Sentinel-2, Planet, immagini UAV. Strumenti: QGIS, ArcGIS, Google Earth Engine, Python.
Invia la tua area e gli anni che vuoi confrontare.
Scopri di più su Ali F
Geospatial Data Scientist
- DaCina
- Membro damar 2022
- Tempo di risposta medio5 ore
Lingue
Urdu, Inglese
Traduzione automatica.
Il mio portfolio
FAQ
Traduzione automatica.
Quale precisione posso aspettarmi?
Dipende dall'immagine, dal numero di classi e da quanto sono separabili. Riporto la matrice di confusione e il kappa da punti di riferimento reali piuttosto che citare una cifra in anticipo. Se i dati non supportano il livello di dettaglio delle classi che desideri, te lo dirò prima che tu ordini.
Quanto indietro può andare il confronto?
Landsat copre la maggior parte del mondo dagli anni '80 a 30 m, quindi confronti su 30 o 40 anni sono realistici. Sentinel-2 fornisce 10 m ma solo dal 2015. Date più vecchie significano pixel più grossi, quindi le caratteristiche piccole potrebbero non essere distinguibili.

