Classification of Land Cover and Agricultural Land Using Google Earth Engine ; Klasifikacija zemljišta I poljoprivrednog zemljišta pomoću Google Earth Enginea

Research was carried out to classify the land and agricultural land in Osijek-Baranja County. Six classification methods were tested to evaluate the efficiency of these machine learning algorithms, identifying the most efficient and the least efficient algorithms. LULC maps were created in the QGIS software, each containing three classification methods for the years 2021, 2022, and 2023. The first LULC map contained the classification algorithms kNN, CART, and Naïve Bayes, and the second LULC map contained the classification algorithms MD, RF, and libsvm. QGIS proved to be a valuable tool for visualizing the data exported from GEE. The RF was the most efficient classification method after evaluation with 99% Overall Accuracy in each study year, along with other metrics such as Producer’s Accuracy, Consumer Accuracy, and Kappa Coefficient. The least efficient algorithm was Naïve Bayes. ; Istraživanje je provedeno u svrhu klasifikacije zemljišta i poljoprivrednog zemljišta u Osječko-baranjskoj županiji. Testirano je šest metoda klasifikacije kako bi se procijenila učinkovitost ovih algoritama strojnog učenja, identificirajući najučinkovitije i najmanje učinkovite algoritme. LULC karte izrađene su u softveru QGIS, a svaka sadrži tri metode klasifikacije za godine 2021., 2022. i 2023. Prva LULC karta sadržavala je klasifikacijske algoritme kNN, CART i Naïve Bayes, a druga LULC karta sadržavala je klasifikacijske algoritme MD , RF i libsvm. QGIS se pokazao kao vrijedan alat za vizualizaciju podataka eksportiranih iz GEE-a. RF je bio najučinkovitija metoda klasifikacije nakon evaluacije s 99% ukupne točnosti u svakoj studijskoj godini, zajedno s drugim metrikama kao što su Producer’s Accuracy, Consumer’s Accuracy, i Kappa Coefficient. Najmanje učinkovit algoritam bio je Naïve Bayes.