Land Use Land Cover Classification
📘 ভূমি ব্যবহার শ্রেণিবিন্যাস।
🌐 Classify land use and land cover.
🛰️
1
ধারণা · Concept
কী এবং কেন📘 বাংলা ব্যাখ্যা:
ভূমি ব্যবহার শ্রেণিবিন্যাস।
ভূমি ব্যবহার শ্রেণিবিন্যাস।
🌐 English:
Classify land use and land cover.
Classify land use and land cover.
🗂 কোথায় পড়ে
৫. জিওএআই → রিমোট সেন্সিং → Land Use Land Cover Classification
🎯 এই শাখার লক্ষ্য
Process imagery, compute indices, classify & detect change
🧰 টুলস
Google Earth Engine, geemap, SNAP
🪜
ধাপে ধাপে শিখুন · Step-by-step
কেন শিখবেন → কীভাবে শিখবেন → উদাহরণ → সাধারণ ভুল💡 কেন গুরুত্বপূর্ণ?
ভূমি কোথায় কী কাজে ব্যবহৃত হচ্ছে—পরিকল্পনা ও পরিবেশ পর্যবেক্ষণের মূল মানচিত্র।
- ধাপ 1ক্লাস নির্ধারণ: পানি, উদ্ভিদ, কৃষি, নির্মিত, খালি মাটি
- ধাপ 2প্রশিক্ষণ নমুনা: প্রতিটি ক্লাসে পলিগন/পয়েন্ট (Google Earth দেখে)
- ধাপ 3ফিচার: ব্যান্ড + সূচক (NDVI, NDWI); Random Forest দিয়ে ক্লাসিফাই
- ধাপ 4যাচাই: আলাদা নমুনায় confusion matrix, overall accuracy, Kappa
🧪 বাস্তব উদাহরণ
ঢাকার ২০০০ বনাম ২০২৪ LULC—নির্মিত এলাকা কয়েক গুণ বৃদ্ধি।
⚠️ সাধারণ ভুল
প্রশিক্ষণ ও যাচাই নমুনা একই এলাকা থেকে—অতিরঞ্জিত নির্ভুলতা।
🔑 মূল শব্দ (Key terms)
LULCsupervised classificationtraining samplesaccuracy assessmentKappa
3
সাব-টপিক ও বিস্তারিত · Sub-topics
টপিক → সাব-টপিক → সাব-সাব টপিক5.1 সুপারভাইজড5.1.1 ট্রেনিং পয়েন্ট + Random Forest
5.2 আনসুপারভাইজড5.2.1 K-Means
5.3 নির্ভুলতা যাচাই5.3.1 Kappa5.3.2 OA
🎬
ভিডিও · Videos (বাংলা ও English)
ক্লিক করলে সাইটের ভেতরেই ফ্লোটিং প্লেয়ারে চলবে · ভিডিও MySQL-এ সংরক্ষিত💻
হাতে-কলমে · Try it (Remote Sensing)
এডিট করে Run চাপুন · Ctrl+Enterimport numpy as np, matplotlib.pyplot as plt
rng=np.random.default_rng(3); red=rng.uniform(.03,.15,(60,60)); nir=rng.uniform(.3,.5,(60,60))
nir[:,40:]=rng.uniform(.02,.06,(60,20)); red[20:35,5:25]=.25; nir[20:35,5:25]=.28 # water + urban
ndvi=(nir-red)/(nir+red); cls=np.digitize(ndvi,[0,.3])
print("Class share (water/urban/veg):",[round((cls==i).mean(),2) for i in range(3)])
fig,ax=plt.subplots(1,2,figsize=(9,4)); im=ax[0].imshow(ndvi,cmap="RdYlGn"); plt.colorbar(im,ax=ax[0]); ax[0].set_title("NDVI")
ax[1].imshow(cls,cmap="Accent"); ax[1].set_title("Threshold classification"); plt.show()❓
সেল্ফ-চেক · Self check
1. “ট্রেনিং পয়েন্ট + Random Forest” — এটি কোন সাব-টপিকের বর্ণনা?
2. “K-Means” — এটি কোন সাব-টপিকের বর্ণনা?
3. “Kappa, OA” — এটি কোন সাব-টপিকের বর্ণনা?
🔗
সংযুক্ত কনসেপ্ট · Connected concepts
এই শাখার অন্যান্য অংশ
1. Remote Sensing Principles2. Satellite Missions Landsat Sentinel3. Spectral Indices NDVI NDWI4. Image Preprocessing5. Land Use Land Cover Classification6. Change Detection7. Google Earth Engine8. geemap Python9. SAR Radar Imagery10. DEM & Terrain Analysis