DOI QR코드

DOI QR Code

A Study on the Extraction of a River from the RapidEye Image Using ISODATA Algorithm

ISODATA 기법을 이용한 RapidEye 영상으로부터 하천의 추출에 관한 연구

  • Jo, Myung-Hee (Dept. of Satellite Geoinformatics Engineering, Kyungil University)
  • 조명희 (경일대학교 위성정보공학과)
  • Received : 2012.08.20
  • Accepted : 2012.10.25
  • Published : 2012.12.31

Abstract

A river is defined as the watercourse flowing through its channel, and the mapping tasks of a river plays an important role for the research on the topographic changes in the riparian zones and the research on the monitoring of flooding in its floodplain. However, the utilization of the ground surveying technologies is not efficient for the mapping tasks of a river due to the irregular surfaces of the riparian zones and the dynamic changes of water level of a river. Recently, the spatial information data sets are widely used for the coastal mapping tasks due to the acquisition of the topographic information without human accessibility. In this research, we tried to extract a river from the RapidEye imagery by using the ISODATA(Iterative Self_Organizing Data Analysis) classification algorithm with the two different parameters(NIR (Near Infra-Red) band and NDVI(Normalized Difference Vegetation Index)). First, the two different images(the NIR band image and the NDVI image) were generated from the RapidEye imagery. Second, the ISODATA algorithm were applied to each image and each river was generated in each image through the post-processing steps. River boundaries were also extracted from each classified image using the Sobel edge detection algorithm. Ground truths determined by the experienced expert are used for the assessment of the accuracy of an each generated river. Statistical results show that the extracted river using the NIR band has higher accuracies than the extracted river using the NDVI.

하천은 육지 표면에서 일정한 물길을 따라 흐르는 물줄기를 의미하며, 하천 매핑 작업은 하천유역의 지형 변화 연구 및 하천 유역의 홍수 모니터링 연구 등에 매우 중요한 역할을 한다. 그러나 하천의 수위변화로 인한 유역 내 지표면의 수위 및 유량의 불균일성 등으로 인하여, 기존의 지반조사 기술은 하천 매핑 작업에 효과적이지 않다. 공간 정보 자료는 해당 지역에 접근하지 않고도 해당 지역에 관한 지형적인 정보를 획득할 수 있어서, 하천 지형 조사 및 하천 측량 등 하천 유역의 지형연구에 굉장히 유용하게 쓰일 수 있다. 본 연구에서는, 각각의 다른 파라미터를 사용하여 영상분류 기법 중의 하나인 ISODATA(Iterative Self_Organizing Data Analysis) 분류기법을 적용하여 RapidEye 영상으로부터 하천을 추출하는 방법을 제시하였다. 우선, RapidEye 영상으로부터 NIR(Near InfraRed) 밴드 영상과 NDVI(Normalized Difference Vegetation Index) 영상을 생성한 뒤, 이를 각각의 파라미터로 설정한다. 생성된 각각의 영상에 ISODATA 기법을 적용한 뒤, 후처리 과정을 통하여 각각의 영상으로부터 하천을 추출하도록 한다. 각각의 영상에서 추출한 하천의 경계선 또한 Sobel 에지 추출 기법을 통하여 추출된다. 점검 점들을 이용하여 정확도 검증을 수행한 결과, NIR 밴드로부터 추출한 하천의 정확도가 NDVI 영상으로부터 추출한 하천의 정확도보다 더 높다는 것을 알 수 있다.

Keywords

References

  1. 국토해양부. 1991. 낙동강 하천정비 기본계획 (보완). 325쪽.
  2. 국토해양부. 2011. 한국 하천 일람. 741쪽.
  3. 김현옥, 염종민, 김윤수. 2011. 농촌지역 토지 이용유형별 RapidEye 위성영상의 분광식생 지수 시계열 특성. 항공우주연구원 10(1): 149-155.
  4. 박용길, 김계현, 이철용. 2010. GIS 기반의 수질모델링 지원을 위한 정확도 높은 하천중심선의 자동 추출기법에 관한 연구. 한국공간정보학회지 18(4):13-22.
  5. 신용희, 박종화, 박민서. 2003. 밭작물의 분광 반사 특성과 식생지수. 한국관개배수 10(2): 43-54.
  6. 이기철, 김승환, 옥진아, 윤해순, 남춘희. 1999. GIS와 원격탐사를 이용한 낙동강 하구 습지 데이터베이스 구축에 관한 연구. 한국지리정보학회지 2(3):1-15.
  7. 이종석. 2010. 하천 공학 및 설계. 도서출판 새론. 600쪽.
  8. 이황재, 곽장호, 박수영. 1999. 다각적인 위성 정보 응용을 위한 위성영상 분류기술 개발. 국립 전파연구원 보고서. 33쪽.
  9. 이현직, 유영걸, 유지호, 김상연. 2010. Quickbird-2 위성영상을 이용한 토지피복 분류. 2010 한국지형공간정보학회 춘계학술대회 55-56쪽.
  10. 정기현, 이우균, 이준학, 김권혁, 이승호. 2001. 고해상도 IKONOS 위성영상을 이용한 임상 분류. 대한원격탐사학회지 17(3):275-284.
  11. 정윤재, 박현철, 정연인, 조명희. 2011. 라이다 데이터와 항공 정사영상을 활용한 인공 제방선 지도화. 한국지리정보학회지 14(1):84-93.
  12. 정윤재, 박현철, 조명희. 2012. 공간정보를 이용한 3차원 하천 경계선 매핑에 관한 연구. 한국지리정보학회지 15(1):87-98.
  13. 조은래, 김경환, 유환희. 2009. 고해상도 위성 영상을 이용한 토지이용변화 분석. 한국지형공간정보학회지 17(1):3-11.
  14. 한승하. 2007. 산림지리정보시스템과 Landsat 위성영상을 이용한 강원도 상록수림의 영급과 식생지수 비교. 강원대학교 학사학위논문. 38쪽.
  15. 국가 수자원 관리 종합 정보 시스템. 2012. 과거 홍수 피해액. http://www.wamis.go.kr/wkf/wkf_fddamaa_lst.aspx.
  16. 국토해양부. 2012. 연안지식, 위성영상과 원격 탐사. http://www.coast.kr/CoastKnowledge/Satellite/RemoteExploration.aspx.
  17. Chen, A. 2009. River Extraction Based on Knowledge and Fuzzy Classification. 2009 Sixth International Conference on Fuzzy Systems and Knowledge Discovery. Tianjin, China. August 14-16, 2009. pp.438-441.
  18. De Sousa, C.H.R., C.G. Souza, L. Zanella, and L.M.T. de Carvalho. 2012. Analysis of RapidEye's red edge band for image segmentation and classification. Proceedings of the 4th GEOBIA, Rio de Janeiro, Brasil, May 7-9, 2012. pp.518-523.
  19. Gose, E., R. Johnsonbaugh and S. Jost. 1996. Pattern Recognition and Image Analysis. Prentice-Hall, NJ, USA. 484pp.
  20. Jensen, J.R. 2000. Remote Sensing of the Environment. Rrentice-Hall, NJ, USA. 550pp.
  21. Li, R., J-K. Liu, A. Sukcharoenpong, J. Yuan and H. Zhu. 2012. A systematic approach toward detection of seagrass patches from hyperspectral imagery. Marine Geodesy 35(3):271-286. https://doi.org/10.1080/01490419.2012.699019
  22. Mathieu, R., J. Aryal and A.K. Chong. 2007. Object-based classification of Ikonos imagery for mapping large-scale vegetation communities in urban areas. Sensors 2007(7):2860-2880.
  23. Shah, V., A. Choudhary and K. Tewari. 2011. River extraction from satellite image. IJCSI (International Journal of Computer Science Issues) 8(2):386-391.
  24. Zhang, Y. 2000. A method for continuous extraction of multispectrally classified urban rivers. Photogrammetric Engineering & Remote Sensing 66(8): 991-999.
  25. DLR (German Aerospace Center). 2012. RapidEye. http://www.dlr.de/rd/en/desktopdefault.aspx/tabid-2440/3586_read-5336/.
  26. RapidEye. 2012. High-Resolution Satellite Imagery http://www.rapideye.com/products/index.htm.

Cited by

  1. A Study on Establishment of the Levee GIS Database Using LiDAR Data and WAMIS Information vol.17, pp.3, 2014, https://doi.org/10.11108/kagis.2014.17.3.104
  2. Analysis of Land Uses in the Nakdong River Floodplain Using RapidEye Imagery and LiDAR DEM vol.17, pp.4, 2014, https://doi.org/10.11108/kagis.2014.17.4.189
  3. Monitoring Water Resource Changes Using Multi-temporal Landsat Imagery Taken in Changnyeong, South Korea vol.154, 2016, https://doi.org/10.1016/j.proeng.2016.07.489
  4. 동아시아 사막 면적의 경년변화분석 vol.34, pp.6, 2018, https://doi.org/10.7780/kjrs.2018.34.6.1.3
  5. Landsat-8 위성영상 기반 수분지수 및 기계학습을 활용한 대구광역시의 지표수 탐지 vol.24, pp.1, 2021, https://doi.org/10.11108/kagis.2021.24.1.001