Klasifikasi penggunaan dan tutupan lahan di Sub DAS Tanralili menggunakan citra Landsat 7 dan 8, dengan dua pendekatan kerja: plugin dzetsaka dan MOLUSCE di QGIS, serta pemodelan menggunakan Python.
Proyek ini menghubungkan interpretasi citra satelit, klasifikasi machine learning, analisis perubahan lahan, dan simulasi tutupan lahan. Dokumentasi mencakup persiapan citra, pengujian akurasi, pemodelan potensi transisi, serta perbandingan hasil simulasi dengan data LULC referensi.
Alur dokumentasi mencakup pengunduhan citra, koreksi geometrik, pansharpening, klasifikasi machine learning, dan uji akurasi. dzetsaka menggunakan citra dan sampel pelatihan sebagai masukan.
MOLUSCE digunakan untuk memasukkan LULC dan driving factors, memeriksa geometri, mengevaluasi korelasi, menghitung perubahan luas, memodelkan potensi transisi, dan melakukan simulasi untuk validasi.
Notebook klasifikasi memuat KNN, SVM, Random Forest, XGBoost, MLP, dan CNN 1D. Notebook prediksi memuat pemodelan potensi, kuota Markov, dan simulasi Cellular Automata.
Proyeksi merupakan hasil skenario pemodelan, bukan kepastian kondisi masa depan. Detail Python dirangkum dari kode notebook; tidak ada klaim bahwa notebook telah dijalankan ulang atau bahwa akurasi tertentu telah diverifikasi dalam halaman ini.
Mari diskusikan bagaimana data, sains lahan, dan teknologi dapat membantu proyek Anda.