신경망 기반의 오염부하량 산정을 위한 위성영상 토지피복 분류기법

Neural Network Based Land Cover Classification Technique of Satellite Image for Pollutant Load Estimation

Landsat TM 위성영상을 대상으로 인공신경망 모형과 RBF 신경망 모형의 토지피복분류 정확도를 평가하였다. 토지피복의 특성에 따라 세 개의 연구지역(복합토지이용, 농경지, 도시지역)을 대상으로 RBF 신경망 모형의 입력밴드 조합 및 분류 항목의 변화에 따른 민감도 분석이 수행되었다. 오염부하 원단위의 신뢰구간 및 분포를 추정하기 위하여 붓스트랩기법이 적화하였으며, 특히 토지이용이 다양한 도시지역에서 가장 큰 변화폭을 보였다.

The classification performance of Artificial Neural Network (ANN) and RBF-NN was compared for Landsat TM image. The RBF-NN was validated for three unique landuse types (e.g. Mixed landuse area, Cultivated area, Urban area), different input band combinations and classification class. The bootstrap resampling technique was employed to estimate the confidence intervals and distribution for unit load, The pollutant generation was varied significantly according to the classification accuracy and percentile unit load applied. Especially in urban area, where mixed landuse is dominant, the difference of estimated pollutant load is largely varied.