基于遥感与机器学习的土地覆盖分类与变化检测：西瓦纳群岛的案例研究
计算机视觉与模式识别
2025-10-03 v2 人工智能
应用统计
摘要
作为发展中国家，斐济正面临快速城市化，这在大量包含住房、道路和民用工程项目的开发项目中清晰可见。本研究提出机器学习和遥感框架，用于比较 2013 年至 2024 年 Nadi 地区的土地利用与土地覆盖变化。本研究的最终目标是为土地覆盖/土地利用建模与变化检测提供技术支持。我们使用 Landsat-8 卫星图像，并通过人工标注创建训练数据集用于监督式机器学习。我们使用 Google Earth Engine 和 k-means 聚类生成土地覆盖图。我们采用卷积神经网络对选定区域的土地覆盖类型进行分类。我们呈现了变化检测的可视化，突出显示随时间变化的城市区域，以监测图的变化。
引用
@article{arxiv.2509.13388,
title = {Landcover classification and change detection using remote sensing and machine learning: a case study of Western Fiji},
author = {Yadvendra Gurjar and Ruoni Wan and Ehsan Farahbakhsh and Rohitash Chandra},
journal= {arXiv preprint arXiv:2509.13388},
year = {2025}
}