DOI QR코드

DOI QR Code

A Study of Runoff Curve Number Estimation Using Land Cover Classified by Artificial Neural Networks

신경망기법으로 분류한 토지피복도의 CN값 산정 적용성 검토

  • Published : 2003.08.01

Abstract

The techniques of GIS and remote sensing are being applied to hydrology, geomorphology and various field of studies are performed by many researcher, related those techniques. In this paper, curve number change detection is tested according to soil map and land cover in mountain area. Neural networks method is applied for land cover classification and GIS for curve number calculation. The first, sample area are selected and tested land cover classification, NN(84.1%) is superior to MLC(80.9%). So we selected NN with land cover classifier. The second, curve number from the land cover by neural network classifier(57) is compared with that(curve number) from the land cover by manual work(55). Two values are so similar. The third, curve number classified by NN in sample area was applied and tested to whole study area. As results of this study, it is shown that curve number is more exact and efficient by using NN and GIS technique than by (using) manual work.

GIS기법과 원격탐사 기법은 수문학의 지형자료 구축과 응용 분야에 활발하게 이용되고 있으며 다방면에서 많은 연구가 진행 중이다. 본 연구에서는 산악지역에서 토양 특성과 토지 피복 상태에 따라 유출 특성이 어떻게 나타나는지를 CN값을 산정하여 평가 하였다. 토지 피복 분류에 신경망 기법을 사용하여 보다 적합한 분류 방법을 모색하고자 했고, CN값 산정을 위한 연산에 GIS기법출 사용하였다. 우선 샘플지역을 선정하여 토지 피복의 정확도를 평가하면, 기존의 최우도법(80.9%)과 신경망 기법(84.1%)에서 신경망 기법 분류 결과가 상대적으로 우수하므로 신경망 기법으로 토지 피복을 분류하였다. 그리고 SCS방법으로 토양도를 이용하여 AMC-II 조건하에서 CN값을 산정하면 수작업 토지이용도는 55, 신경망 분류 토지 피복도는 57로 비슷한 결과로 나타났다. 이를 토대로 전체 유역에 대해서 신경망 기법으로 분류한 토지 피복도를 사용하여 CN값을 산정하여 적용함으로써 타당성을 증명했다. 앞으로 신경망 기법을 이용한 토지 피복 분류와 GIS기법의 적용으로 보다 정확하고 신속한 CN값 산정이 가능할 것으로 사료된다.

Keywords

References

  1. 박희성 (1998). 위성영상을 이용한 토지피복 분류 및 유출곡선번호의 추정. 석사학위논문, 서울대학교, pp.30-40
  2. 임상준, 박승우(1997). '논의 유출곡선번호 추정.'
  3. 양인태 (1998). '랜드샛 자료로부터 유역의 유출계수 자동추출 기법 개발에 관한 연구.' 대한토목학회지, 제 18권, 제 III-4호, pp.485-494
  4. 오창석(1996). 뉴로컴퓨터, 지성출판사, pp.67-92
  5. 윤용남 (2002). 공업수문학, 청문각, pp.145-149
  6. 조홍제, 김광섭, 이충희 (2001). 'Landsat 영상을 이용한 CN값 산정에 관한 연구.' 한국수자원학회지
  7. Christopher M. Bishop (1995). Neural Networks for Pattern Recognition. Clarendon Press, pp.116-193
  8. John R. Jensen (1996). Introductory Digital Image Processing; A Remote Sensing Perspective, 2nd edition. Prentice Hall, pp.197-231
  9. Lillesand, Kiefer (1994). Remote Sensing and Image Interpretation 3rd Edition. John Wiley & Sons Inc., pp. 585-647
  10. Robert M. Rangan and Thomas J. Jackson (1980). 'Runoff Synthesis Using Landsat SCS Model.' Journal of the Htdraulics Division, May, 1980. pp.667-678
  11. Simon Haykin (1994). Neural Networks; A Comprehensive Foundation, Macmillan College Publishing Company, pp.236-284