Improved radiometric normalization for land cover change detection: an automated relative correction with artificial neural network

2003 ◽  
Author(s):  
M.L.F. Velloso ◽  
F.J. de Souza ◽  
M. Simoes
Keyword(s):  
Neural Network ◽  
Artificial Neural Network ◽  
Land Cover ◽  
Change Detection ◽  
Land Cover Change ◽  
Relative Correction ◽  
Artificial Neural ◽  
Land Cover Change Detection

scholarly journals Modeling land cover change based on an artificial neural network for a semiarid river basin in northeastern Brazil

2020 ◽  
Vol 21 ◽  
pp. e00811 ◽  
Author(s):  
Leonardo Pereira e Silva ◽  
Ana Paula Campos Xavier ◽  
Richarde Marques da Silva ◽  
Celso Augusto Guimarães Santos
Keyword(s):  
Neural Network ◽  
Artificial Neural Network ◽  
Land Cover ◽  
Land Cover Change ◽  
River Basin ◽  
Northeastern Brazil ◽  
Artificial Neural

scholarly journals PREDIKSI PERUBAHAN TUTUPAN LAHAN DENGAN MODEL MARKOV CHAIN DAN ANN-MARKOV DI DAS KRUENG ACEH (Land cover change prediction using Markov Chain and ANN-Markov Model in Krueng Aceh Watershed)

2021 ◽  
Vol 5 (2) ◽  
pp. 185-206
Author(s):  
Yudi Armanda Syahputra ◽  
◽  
Muhammad Buce Saleh ◽  
Nining Puspaningsih ◽  
Keyword(s):  
Neural Network ◽  
Artificial Neural Network ◽  
Markov Chain ◽  
Land Cover ◽  
Markov Model ◽  
Land Cover Change ◽  
Change Prediction ◽  
Artificial Neural ◽  
Spatio Temporal

Prediksi perubahan tutupan lahan yang baik akan menjadi pertimbangan dalam menentukan strategi pembangunan di masa depan. Terdapat banyak metode dalam melakukan prediksi perubahan tutupan lahan yang tergantung pada kebutuhan data, algoritma pemodelan yang dilakukan dan output apa saja yang diperlukan. Penelitian ini dilakukan untuk mengkaji model prediksi perubahan tutupan lahan dari tahun 2007 hingga 2020 di DAS Krueng Aceh. Pendekatan yang dilakukan menggunakan penginderaan jauh dan SIG. Model Markov Chain (MC) dan Artificial Neural Network-Markov (ANN-MC) digunakan untuk memahami dinamika spatio-temporal tutupan lahan. Akurasi dari citra penginderaan jauh yang diklasifikasikan diperoleh dari hasil interpretasi visual pada citra resolusi sedang Landsat OLI tahun 2020 dengan nilai Kappa Accuracy sebesar 84%. Kedua model prediksi menggunakan data tutupan lahan tahun 2007 (T1) dan 2017 (T2) untuk membuat probability perubahan yang digunakan dalam memprediksi tutupan lahan pada tahun 2020 (T3). Validasi kedua algoritma menunjukkan korelasi yang kuat dengan peta tutupan lahan 2020, hal tersebut membuktikan kehandalan model kedua simulasi (ANN=87,81% dan MC=88,69%).

Sign in / Sign up

Export Citation Format

Share Document