标题： 利用遥感和机器学习进行土地覆盖分类和变化检测：斐济西部案例研究 显示英文标题

标题： Landcover classification and change detection using remote sensing and machine learning: a case study of Western Fiji

摘要： 作为发展中国家，斐济正面临快速的城市化，这在包括住房、道路和土木工程在内的大规模开发项目中可见一斑。 在本研究中，我们提出了机器学习和遥感框架，以比较斐济纳迪地区2013年至2024年间的土地利用和土地覆盖变化。 本研究的最终目标是为土地覆盖/土地利用建模和变化检测提供技术支持。 我们使用了Landsat-8卫星图像进行研究区域，并通过监督机器学习创建了带有标签的训练数据集。 我们使用Google Earth Engine和通过k均值聚类的无监督机器学习生成土地覆盖图。 我们使用卷积神经网络对选定区域的土地覆盖类型进行分类。 我们展示了变化检测的可视化结果，突出显示城市区域随时间的变化，以监测地图中的变化。 显示英文摘要

摘要： As a developing country, Fiji is facing rapid urbanisation, which is visible in the massive development projects that include housing, roads, and civil works. In this study, we present machine learning and remote sensing frameworks to compare land use and land cover change from 2013 to 2024 in Nadi, Fiji. The ultimate goal of this study is to provide technical support in land cover/land use modelling and change detection. We used Landsat-8 satellite image for the study region and created our training dataset with labels for supervised machine learning. We used Google Earth Engine and unsupervised machine learning via k-means clustering to generate the land cover map. We used convolutional neural networks to classify the selected regions' land cover types. We present a visualisation of change detection, highlighting urban area changes over time to monitor changes in the map.