Machine Learning based land use classification and identification of driving factors in Google Earth Engine

A tétel rövid nézete
dc.contributor.advisorAbriha, Dávid
dc.contributor.authorLi, Junyi
dc.contributor.departmentDE--Természettudományi és Technológiai Kar--Földtudományi Intézet
dc.date.accessioned2026-01-08T12:41:52Z
dc.date.available2026-01-08T12:41:52Z
dc.date.created2025-11-26
dc.description.abstractThis thesis utilizes Google Earth Engine and machine learning to classify land use and analyze driving factors in Dalian, China, from 2000 to 2020. It employs a Random Forest algorithm on Landsat imagery to generate land use maps for four categories: agricultural land, vegetation, water, and built-up areas. Using Principal Component Analysis and Multiple Linear Regression, it identifies the primary drivers of land use change. The research demonstrates the effectiveness of cloud computing platforms for large-scale, long-term land use monitoring and provides a scientific basis for regional land management.
dc.description.courseGeoinformatics
dc.description.degreeMSc/MA
dc.format.extent38
dc.identifier.urihttps://hdl.handle.net/2437/401814
dc.language.isoen
dc.rights.infoHozzáférhető a 2022 decemberi felsőoktatási törvénymódosítás értelmében.
dc.subjectLand use classification
dc.subjectGoogle Earth Engine
dc.subjectDriving factors of LULC
dc.subject.dspaceEarth Sciences
dc.titleMachine Learning based land use classification and identification of driving factors in Google Earth Engine
Fájlok
Eredeti köteg (ORIGINAL bundle)
Megjelenítve 1 - 1 (Összesen 1)
Nincs kép
Név:
Thesis_Lijunyi.pdf
Méret:
2.03 MB
Formátum:
Adobe Portable Document Format
Leírás:
Megjelenítés
Engedélyek köteg
Megjelenítve 1 - 1 (Összesen 1)
Nincs kép
Név:
license.txt
Méret:
1.94 KB
Formátum:
Item-specific license agreed upon to submission
Leírás:
Letöltés
Gyűjtemények
Theses (Faculty of Science and Technology)