Ik voer landgebruik en landbedekkingsclassificatie en verandering detecteren uit

Ik classificeer satellietbeelden in landbedekkingsklassen en kwantificeer wat er tussen data is veranderd, met cijfers die je in een rapport kunt opnemen.

WAT IK KAN DOEN

• Geleide classificatie (Random Forest, SVM, Maximum Likelihood)
• - Veranderdetectie tussen twee of meer jaren
• - Mapping van stedelijke groei en uitbreiding van bebouwing
• - Vegetatie-, water-, kale bodem- en landbouwklassen
• - Overgangsmatrix en gebiedsstatistieken per klasse
• - Nauwkeurigheidsbeoordeling met verwarringsmatrix en kappa

WAT JE KRIJGT

• Gecategoriseerde kaarten met legenda, schaalbalk en noordenpijl
• - Gecategoriseerde rasters en shapefiles die je opnieuw kunt gebruiken
• - Gebieds- en verandertabellen in Excel of CSV
• - Nauwkeurigheidscijfers, eerlijk gerapporteerd

WAAROM IK

Remote sensing engineer en PhD-onderzoeker aan Capital Normal University, Beijing. Ik leidde een studie over stedelijke groei voor de Gilgit Development Authority: Veranderdetectie met Sentinel-2, woningdichtheid 2017 versus 2024, UAV-onderzoek op 3-4 cm en een huishoudonderzoek, geleverd als landgebruik-, landbedekkings- en dichtheidkaarten met een technisch rapport.

Data: Landsat 5-9, Sentinel-2, Planet, UAV-beelden. Gereedschappen: QGIS, ArcGIS, Google Earth Engine, Python.

Stuur je gebied en de jaren die je wilt vergelijken.