Korean Journal of Remote Sensing (대한원격탐사학회지)

Korean Society of Remote Sensing (대한원격탐사학회)
권호 표지
DOI QR코드

DOI QR Code

The Optimized Analysis Zone Districting Using Variogram in Urban Remote Sensing

도시원격탐사에서 베리오그램을 이용한 최적의 분석범위 구역화

  • Yoo, Hee-Young (Department of Earth Science Education, Seoul National University) ;
  • Lee, Ki-Won (Department of Information System Engineering, Hansung University) ;
  • Kwon, Byung-Doo (Department of Earth Science Education, Seoul National University)
  • 류희영 (서울대학교 지구과학교육과) ;
  • 이기원 (한성대학교 정보시스템공학과) ;
  • 권병두 (서울대학교 지구과학교육과)
  • Published : 2008.04.30
Download PDF
⟨ Previous Next ⟩

Abstract

Recently, a considerable number of studies have been conducted on the high resolution imagery showing the boundaries of objects clearly. When urban areas are analyzed in detail using the high resolution imagery, the size of analyzed zone is apt to be decided arbitrarily. Sufficient prior information about study area makes the decision of analysis zone possible; otherwise, it is difficult to determine the optimized analysis zone using only satellite imagery. In this study, the variograms of artificial simple images are analyzed before applying to the real satellite images. As a result of the analysis of simple images, the sill has an effect on the density of objects and also the size of objects and spacing influence the range. The variograms of real satellite images are analyzed with reference to the result of model test and are applied to determining the optimized analysis zone. This study shows that variogram can be applied to determining effectively the optimized analysis zone in case of no prior information on study area; moreover it will be expected to be used for an index to express the characteristics of urban imagery as well as conventional kriging and simulation.

최근에 개체의 경계가 분명하게 나타나는 고해상도 위성영상을 분석하는 연구가 활발히 이루어지고 있다. 고해상도 영상을 이용해 도시지역을 세분화하여 연구하려고 할 때 분석의 범위는 임의로 결정되는 경우가 많다. 연구지역에 대한 사전정보가 충분하다면 임의로 결정하는 것이 가능하지만 그렇지 않을 경우 영상만을 이용해 연구 지역의 최적 분석범위를 결정하는 것은 쉽지 않다. 이 연구에서는 실제 위성 영상에 적용하기에 앞서 간단한 가상 모델의 베리오그램을 분석하였다. 모델 테스트 결과, 문턱값은 개체들의 밀도에 영향을 주고 개체의 크기와 간격은 상관거리에 영향을 준다. 이 모델 테스트의 결과를 도시지 역을 촬영한 실제 위성영상의 베리오그램에 반영하여 분석하고 이론적 베리오그램의 상관거리를 이용해 최적의 분석 단위를 결정하였다. 이 연구는 베리오그램이 연구지역에 대한 사전자료가 없는 경우 효과적으로 기본 분석단위를 결정하는데 도움을 줄 수 있을 것이라는 것을 보여주었다. 또한 베리오그램은 기존의 전통적인 크리깅이나 시뮬레이션뿐만 아니라 도시 영상의 특성을 정의하는 정보로 활용 가능할 것으로 기대된다.

Keywords

References

  1. 최종근, 2004. 공간정보 모델링, 구미서관.
  2. Brivio, P. A. and E. Zilioloi, 2001. Urban Pattern Characterization through Geostatistical Analysis of Satellite Images, Remote Sensing and Urban Analysis, Taylor and Francis, NY, USA.
  3. Chen, K. and R. Blong, 2003. Identifying the characteristic scale of scene variation in fine spatial scale resolution imagery with wavelet transform-based sub-image, statistics, International Journal of Remote Sensing, 24(9): 1983-1989. https://doi.org/10.1080/0143116031000072957
  4. Colombo, S., M. Chica-Olmo, F. Abarca and H. Eva, 2004. Variographic analysis of tropical forest cover from multi-scale remotely sensed imagery, Photogrammetry & Remote Sensing, 58(5): 330-341. https://doi.org/10.1016/j.isprsjprs.2004.03.004
  5. Jupp, D .L. B., A. H. Strahler and C. E. Woodcock, 1988. Autocorrelation and regularization in digital images I. Basic theory, IEEE Transactions on Geoscience and Remote Sensing, 26(4): 463-473. https://doi.org/10.1109/36.3050
  6. Jupp, D. L. B., A. H. Strahler and C. E. Woodcock, 1989. Autocorrelation and regularization in digital images II. Simple image models, IEEE Transactions on Geoscience and Remote Sensing, 27(3): 247-258. https://doi.org/10.1109/36.17666
  7. Li, P. and Z. Li, 2001. An evaluation of geostatistical texture for remote sensing data classification, Proceedings of international symposium on Remote Sensing, pp. 587-592.
  8. Lloyd, C., P. Atkinson and P. Aplin, 2005. Characterising local spatial variation in land cover using geostatistical functions and the discrete wavelet transform, Geostatistics for Environmental Applications: Proceedings of the Fifth European Conference on Geostatistics for Environmental Applications, pp.391-402.
  9. Van de Wouwer, G., P. Scheunders and D. D. Van, 1999. Statistical texture characterization from discrete wavelet representations, IEEE Transactions on Image Processing, 8(4): 592-598. https://doi.org/10.1109/83.753747
  10. Woodcock, C. E. and A. H. Strahler, 1987. The factor of scale in remote sensing, Remote Sensing of Environment, 21(3): 311-322. https://doi.org/10.1016/0034-4257(87)90015-0
  11. Wu, S., B. Xu and L. Wang, 2006. Urban Land-use Classification Using Variogram-based Analysis with an Aerial Photograph, Photogrammetric Engineering and Remote Sensing, 72(7): 813-822. https://doi.org/10.14358/PERS.72.7.813
  12. Yoo, H. Y., K. Lee and B. D. Kwon, 2006. Spatial Pattern Analysis of High Resolution Satellite Imagery: Level Index Approach using Variogram, Korean Journal of Remote Sensing, 22(5): 357-366. https://doi.org/10.7780/kjrs.2006.22.5.357