DOI QR코드

DOI QR Code

Level 3 Type Land Use Land Cover (LULC) Characteristics Based on Phenological Phases of North Korea

생물계절 상 분석을 통한 Level 3 type 북한 토지피복 특성

  • Yu, Jae-Shim (Graduate School of Environmental Studies, Seoul National University) ;
  • Park, Chong-Hwa (Graduate School of Environmental Studies, Seoul National University) ;
  • Lee, Seung-Ho (Forest Center for Climate Change, Korea Forest Research Institute)
  • 유재심 (서울대학교 환경대학원 환경조경학과서울대학교 환경대학원 환경조경학과) ;
  • 박종화 (서울대학교 환경대학원 환경조경학과) ;
  • 이승호 (국립산림과학원 기후변화연구센터)
  • Received : 2011.07.19
  • Accepted : 2011.08.16
  • Published : 2011.08.31

Abstract

The objectives of this study are to produce level 3 type LULC map and analysis of phenological features of North Korea, ISODATA clustering of the 88scenes of MVC of MODIS NDVI in 2008 and 8scenes in 2009 was carried out. Analysis of phenological phases based mapping method was conducted, In level 2 type map, the confusion matrix was summarized and Kappa coefficient was calculated. Total of 27 typical habitat types that represent the dominant species or vegetation density that cover land surface of North Korea in 2008 were made. The total of 27 classes includes the 17 forest biotopes, 7 different croplands, 2 built up types and one water body. Dormancy phase of winter (${\sigma}^2$ = 0.348) and green up phase in spring (${\sigma}^2$ = 0.347) displays phenological dynamics when much vegetation growth changes take place. Overall accuracy is (851/955) 85.85% and Kappa coefficient is 0.84. Phenological phase based mapping method was possible to minimize classification error when analyzing the inaccessible land of North Korea.

본 연구의 목적은 Level 3 type 북한 토지피복도를 작성하고 생물계절 특성을 파악 하는 데 있다. 2008년과 2009년에 촬영된 88장과 8장의 MODIS NDVI를 MVC 하여 질이 향상된 영상에 ISODATA 알고리즘을 적용하였다. 생물계절 상 분석을 기반으로 북한의 토지피복도를 구축하고 중분류에 대해서는 정확도 검정을 하였다. 결과, 총 27개 클래스의 북한 토지피복도가 생산되었다. 토지피복은 17개의 산림 서식지, 토지이용은 7개의 농경지와 2개의 시가지, 그리고 한 개의 수역을 포함한다. Level 3 type 생물계절 특성은 휴지기(${\sigma}^2$ = 0.348)와 식생이 급격히 생장하는 봄철(${\sigma}^2$ = 0.347)의 역동성이 가장 컸다. Level 2 type에 대한 정확도 검정에서, 전체 정확도는 85.85%(851/955), Kappa 계수는 0.84 였다. 현장 접근이 불가능한 북한의 토지피복도 구축에 생물계절 상 분석기법 적용은 오분류를 최소화하고 분류정확도를 향상시키는데 기여하였다.

Keywords

References

  1. 김도형, 2006. MODIS 다중시기 영상을 이용한 북한지역의 토지피복 변화분석, 서울대학교 대학원 석사학위논문.
  2. 김원주, 2004. 자연환경 관련 공간변수를 이용한 한반도 생태지역 분류, 서울대학교 대학원 박사학위논문.
  3. 부경생, 김성필, 김운근, 김종환, 김채수, 류인수, 박규택, 박근용, 박석홍, 손해룡, 유병일, 이근상, 이실관, 임상철, 최장경, 2006. 북한의 농업-실상과 발전방향, 서울대학교 출판부.
  4. 社團法人 林業科學技術振興所, 1985. 有用廣葉樹の 知識, 東京
  5. 植木秀幹, 1926. 朝鮮の 林木. 朝鮮總督府 林業試驗場, 京城.
  6. 이승호, 정성학, 송장호, 1998. 원격탐사에 의한 북한의 산림자원조사, 산림과학논문집, 58: 1-13.
  7. 이창복, 1999. 신고수목학. 향문사, 서울
  8. 정승규, 박종화, 김상옥, 2006. MODIS 다중시기 영상의 선형분광혼합화소분석을 이용한 한반도 토지 피복분류도 구축, 대한원격탐사학회지, 22: 553-563. https://doi.org/10.7780/kjrs.2006.22.6.553
  9. DeFries, R.S. and J.R.G. Townshend, 1999. Global land cover characterization from satellite data: from research to operational implementation, Global Ecology & Biogeography, 8: 367-379. https://doi.org/10.1046/j.1365-2699.1999.00139.x
  10. FAO/WFP, 2008. Crop and food security assessment mission to the Democratic People's Republic of Korea, Food and Agriculture Organization of the United Nations, Rome. World Food Programme, Rome.
  11. Funk, C. and M.E. Budde, 2009. Phenologically-tuned MODIS NDVI-based production anomaly estimates for Zimbabwe, Remote Sensing of Environment, 113: 115-125. https://doi.org/10.1016/j.rse.2008.08.015
  12. Good, R., 1947. The geography of the flowering plants (1st ed.). Longmans, Green and co., London, UK.
  13. Jensen, J.R., 2004. Introductory Digital Image Processing (3rd ed.): A Remote Sensing Perspective. (pp. 431-471). Prentice Hall Series in Geographic Information Science.
  14. Joshi, C., J.D. Leeuw, A.K. Skidmore, I.C. van Duren, and H. van Oosten, 2006. Remotely sensed estimation of forest canopy density: A comparison of the performance of four methods, International Journal of Applied Earth Observation and Geoinformation, 8: 84-95. https://doi.org/10.1016/j.jag.2005.08.004
  15. Key, T., T.A. Warner, J.B. McGraw, and M.A. Fajvan, 2001. A comparison of multispectral and multitemporal information in high spatial resolution imagery for classification of individual tree species in a temperate hardwood forest, Remote Sensing of Environment, 75: 100-112. https://doi.org/10.1016/S0034-4257(00)00159-0
  16. Punia, M., P.K. Joshi, and M.C. Porwal, 2011. Decision tree classification of land use land cover for Delhi, India using IRS-P6 AWiFS data, Expert Systems with Applications, 38: 5577-5583. https://doi.org/10.1016/j.eswa.2010.10.078
  17. Sawako, M. and K. Takayoshi, 2006. Comparison of leaf life span, photosynthesis and defensive traits across seven species of deciduous broad-leaf tree seedlings, Annals of Botany, 97: 813-817. https://doi.org/10.1093/aob/mcl041
  18. UNEP, 2003. DPR Korea: State of the Environment, United nations Environment Programme Regional Resource Centre for Asia and the Pacific (UNEP RRC.AP), Published by the United Nations Environment Programme.

Cited by

  1. Spatio-Temporal Changes and Drivers of Deforestation and Forest Degradation in North Korea vol.18, pp.6, 2015, https://doi.org/10.13087/kosert.2015.18.6.73
  2. 지리산 반달가슴곰 상사리 입지와 조망 특성 vol.15, pp.4, 2011, https://doi.org/10.13087/kosert.2012.15.4.041
  3. 북한 산림황폐지 복구를 위한 REDD 메커니즘 사전 검토 vol.102, pp.4, 2011, https://doi.org/10.14578/jkfs.2013.102.4.491