土地覆被预测 | LULC Future Prediction

(Fill in 2-3 paragraphs of Chinese introduction here: functionality, application scenarios, core algorithm.)

Dependencies / 依赖

pip install 'numpy' 'rasterio' 'scipy' 'scikit-learn'

Usage / 使用方法

Basic Usage

python geoskill-lulc-future-prediction.py --bbox 116.0 39.0 117.0 40.0 [other parameters]

Example 1 (synthetic data, offline)

python geoskill-lulc-future-prediction.py --bbox 116.0 39.0 117.0 40.0 --synthetic --output-dir ./out

Examples 2-5

(Add at least 4 real usage examples.)

Output / 输出

Data Source / 数据源 / Source

(Describe the data source: free satellite data / local input / synthetic.)

Privacy / 隐私声明 / Privacy

• Runs offline by default; --synthetic mode requires no network at all.
• All processing is performed locally; no user data is uploaded.

License / License

MIT

name: geoskill-lulc-future-prediction description: '马尔可夫转移概率 + 简化 CA-Markov 预测目标年土地覆被，含城市扩张模拟与不确定性'

土地覆被预测 | LULC Future Prediction

（在此填写 2-3 段中文介绍：功能、应用场景、核心算法。）

依赖

pip install 'numpy' 'rasterio' 'scipy' 'scikit-learn'

使用方法

基本用法

python geoskill-lulc-future-prediction.py --bbox 116.0 39.0 117.0 40.0 [其他参数]

示例 1（合成数据，离线）

python geoskill-lulc-future-prediction.py --bbox 116.0 39.0 117.0 40.0 --synthetic --output-dir ./out

示例 2-5

（补充至少 4 个真实用法示例。）

输出

数据源 / Source

（说明数据来源：免费卫星数据 / 本地输入 / 合成。）

隐私声明 / Privacy

• 默认离线运行，--synthetic 模式完全无网络。
• 所有处理在本地完成，不上传用户数据。

License

MIT