Je réaliserai de l'apprentissage automatique en télédétection avec random forest, xgboost et shap
Expert en GIS et télédétection pour InSAR et Google Earth Engine
À propos de ce service
Apprentissage automatique pour les données satellitaires et environnementales, réalisé conformément aux attentes des reviewers. Je suis chercheur en télédétection au Tianjin University (MS CUG Wuhan) et je conçois des modèles ML pour la cartographie de l’occupation des sols, de l’eau, de la chaleur et des risques. Exemples dans ma galerie : XGBoost + SHAP expliquant la température de surface urbaine (R2 0,75 sur une zone de test spatialement détenue).
CE QUE JE FAIS : classification d’occupation des sols / cultures / forêts (Random Forest, SVM, XGBoost, LightGBM) ; régression et prévision (qualité de l’eau, chlorophylle-a, LST, pollution de l’air, biomasse, humidité du sol, rendement) ; IA explicable avec SHAP et importance des variables ; validation spatiale croisée (absence de fuite de données) ; cartes d’incertitude et intervalles de prédiction ; évaluation de précision (OA, kappa, R2, RMSE).
DONNÉES : Sentinel-1/2, Landsat, MODIS, VIIRS, GEDI, ERA5, données in situ et sur le terrain. Outils : Python (scikit-learn, XGBoost, SHAP, PyTorch), R, Google Earth Engine.
Vous obtiendrez un code propre et commenté, des cartes et graphiques prêts pour un article ou un rapport, et un bref descriptif des méthodes. Envoyez-moi vos données et votre objectif et je vous proposerai le modèle adapté.
Langage de programmation:
Python
•
R
•
MATLAB
•
Colab
Frameworks:
Scikit-learn
•
keras
•
PyTorch
•
Panda
Outils:
Jupyter Notebook
•
Excel
•
Colab
•
RStudio
Autres services de Data science et machine learning I Offre
FAQ
Traduction automatique
Puis-je apporter mes propres données ?
Oui. Envoyez votre CSV, vos rasters ou vos shapefiles. Si vous n'avez pas de données, je peux constituer l'ensemble à partir d'archives satellites gratuites.
Les résultats seront-ils publiables ?
Je respecte les bonnes pratiques pour les articles: validation croisée spatiale, ensembles de tests indépendants, incertitude et texte méthodologique clair. Bon nombre de mes figures proviennent de travaux évalués par les pairs.

