maps Land use maps were obtained fr

maps Land use maps were obtained from summertime Landsatimagery and using a Support Vector Machine (SVM) algorithm. Weobtained land maps with balanced misclassification errors fromthe adjustment of predicted probabilities for each land use classfollowing the approach described by Puertas et al. (2013), whichis based on minimizing the differences between area proportions obtained with unbiased statistical reference estimates. Fig. 3 showsmulti-temporal land use maps and Table 1 shows accuracy esti-mates calculated on a training data set, which are necessary forthe calculation of the Markov transitions matrix. The four land use classes that were used in this study are (1) vegetation, (2) agriculture,(3) bare soil, and (4) urban.

Hasil (Bahasa Indonesia) 1:

peta tanah menggunakan peta Diperoleh dari musim panas Landsatimagery dan menggunakan algoritma vektor dukungan mesin (SVM). Peta tanah Weobtained dengan misclassification seimbang kesalahan dari penyesuaian diperkirakan probabilitas untuk setiap classfollowing penggunaan tanah pendekatan yang dijelaskan oleh Puertas et al. (2013), whichis berdasarkan meminimalkan perbedaan antara daerah proporsi diperoleh dengan perkiraan bias Statistik referensi. Tanah showsmulti-sementara Fig. 3 menggunakan peta dan tabel 1 menunjukkan akurasi esti-teman dihitung pada set data pelatihan, yang diperlukan untuk perhitungan Markov transisi matriks. Penggunaan tanah empat kelas yang digunakan dalam studi ini yang tumbuh-tumbuhan (1), (2) agriculture,(3) telanjang tanah, dan (4) perkotaan.