• 지적과 국토정보
• /
• 제46권2호
• /
• pp.239-251
• /
• 2016

밴드 수가 많고 밴드 폭이 좁은 초분광영상은 기존의 다중 분광 영상에 비해 각 픽셀이 함유하고 있는 정보가 많아 영상을 이용한 토지피복분류를 하는데 있어 최적의 영상으로 평가 받고 있다. 하지만 초분광영상의 높은 분광해상도로 부터 증가된 데이터의 용량과 노이즈로 인해 다중분광영상을 분석하는 기법을 그대로 적용하기에는 효용성이 떨어진다. 초분광영상의 분석 기법으로서 벡터의 내적을 활용하는 SAM(Spectral Angle Mapping)은 연속적인 스펙트럼을 보이는 초분광영상의 특성을 해석하는데 가장 보편적인 방법이다. 이에 본 연구에서는 분광라이브러리를 이용한 초분광영상의 토지피복분류를 수행하기 위해 SAM기법을 채택하였으나 대기영향의 노이즈로 인해 낮은 정확도를 보였다. 이를 보안하기 위한 방법으로서 Decision Tree 기법을 제안하였고 그 결과, 분류 정확도를 향상시킬 수 있었다.

• 한국지리정보학회지
• /
• 제20권1호
• /
• pp.1-14
• /
• 2017

토지피복도는 지역의 현황을 파악하는 기초적 자료이지만 시간적 공간적 해상도의 한계로 인하여 생태 연구 분야에서의 활용성은 떨어지는 측면이 있다. 이에 본 연구에서는 UAV으로 취득된 고해상도 영상을 기반으로 토지피복도 제작과 자료의 활용가능성을 알아보고자 하였다. UAV를 이용하여 연구대상지 $2.5km^2$ 범위에서 10.5cm 정사영상을 취득하였으며 객체기반(Object-based)과 화소기반(pixel-based) 분류를 통해 얻어진 토지피복도를 비교 분석하였다. 정확도 검증 결과 화소기반 분류는 Kappa 0.77, 객체기반 분류는 Kappa 0.82로 분류정확도가 높았으며, 전반적인 면적비율은 유사하지만 초지, 습지 지역에서 양호한 분류 결과가 나타났다. 객체기반 분류를 위한 최적의 영상분할 가중치는 Scale150, Shape 0.5, Compactness 0.5, Color 1로 선정하였으며 가중치 선정과정에서 Scale이 가장 큰 영향을 주었다. 화소기반 분류 결과와 비교해 객체간의 명확한 경계를 가지므로 결과물 판독이 용이한 것으로 나타났으며, 환경부 토지피복도(세분류)와 비교하여 개발지역(도로, 건물 등)을 제외한 자연지역(산림, 초지, 습지 등)의 분류에 효과적이었다. UAV 영상을 활용한 토지피복 분류방법으로서 객체기반 분류기법의 적용은 자료의 최신성, 정확성, 경제성 등의 장점으로 생태 연구 분야에 기여할 수 있을 것으로 판단된다.

• 대한토목학회논문집
• /
• 제29권1D호
• /
• pp.153-160
• /
• 2009

고해상도 위성영상을 이용한 DEM 자동제작과 관련한 기존연구에 따르면, 토지피복 특성별로 DEM 정확도가 다르게 나타난다는 것을 제시하였다. 따라서 본 연구에서는 토지피복 분류영상을 이용하여 IKONOS Geo레벨 입체영상에서 상관계수 정합을 위한 토지피복 특성별 기준영역 크기 자동선택 방법을 제안하였다. 그리고 기준영역이 큰 지역의 경우, 정합시간 단 축을 위해 기준영역과 검색영역내의 일정간격 화소들만 참여하여 상관계수를 계산하게 하였다. 그 결과, 고정된 기준영역으로 정합한 DEM보다 제안방법으로 구한 DEM의 정확도가 향상되었다. 그리고 실험 대상지 중 경작지에서는 제안방법에 의한 DEM 결과가 수치지도와 ERDAS에 의한 DEM의 결과보다는 오히려 우수한 것으로 판단되어진다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2005년도 학술발표회 논문집
• /
• pp.132-137
• /
• 2005

재해분야에 인공위성의 활용도가 높아짐에 따라 본 연구에서는 Landsat 영상과 RADARSAT 영상을 이용하여 안성천유역을 대상으로 침수지역을 추출하고자 하였다. Landsat 영상은 침수 전과 후의 영상을 각각 선정하였으며 RADARSAT 영상은 침수 중과 침수 후 의 영상을 선정하였다. 각 영상에 대하여 전처리와 기하보정을 걸친 후 침수지역을 파악하기 위한 방법으로 토지피복분류 방법을 사용하였고, 그 중 Landsat 영상은 분광반사계를 이용하여 감독분류를 실시하였고, RADARSAT 영상은 무감독 분류를 실시하여 침수 지역을 확인할 수 있었다.

• 대한공간정보학회지
• /
• 제23권1호
• /
• pp.15-22
• /
• 2015

풍력자원지도의 작성을 위해 기본적으로 지형고도자료, 지면조도자료, 풍황자료가 필요하다. 그 중 지면조도자료의 경우 토지피복분류 기법을 통한 토지피복지도를 이용하여 구할 수 있다. 지면조도지도의 경우 토지피복의 성질에 따라 풍속의 조도계수가 다르게 되며, 이러한 조도계수에 근거하여 정확한 지면조도지도를 만들 수 있다. 본 연구에서는 Landsat위성자료를 이용하여 무감독 분류 방법과 식생지수법을 사용하여 지면조도자료를 생성한 후 풍력자원지도를 작성하였다. 이렇게 만들어진 풍력자원지도를 근거로 식생지수법의 사용이 무감독 분류 기법에 비하여 타당한지를 검증하였다. 그 결과, 식생지수를 사용한 풍력자원지도는 관측 자료와 비교한 경과 60% 이상의 등급 일치율을 보였고 불일치하는 픽셀에 대해서는 최대 등급의 차이를 넘지 않았다. 따라서 풍력자원지도 생성 시 필요한 지면조도지도를 계산할 경우 식생지수를 이용한 분류방법이 효과적인 것으로 판단된다.

• 한국습지학회지
• /
• 제18권3호
• /
• pp.226-231
• /
• 2016

토지이용에 따른 수질에 미치는 영향을 파악하기 위해서는 토지피복기반의 토지계 발생부하 원단위가 필요하다. 실측자료를 기반으로 토지피복기반 원단위를 도출하기에는 많은 인력과 시간을 필요로 한다. 이에 본 연구에서는 최적화를 통해 토지피복기반의 원단위 도출 방법을 제안하였다. 최적화란 주어진 조건 안에서 가장 좋은 최적해를 구하는 과정이며, 본 연구에서는 상용 프로그램인 Microsoft Excel에서 제공하고 있는 Excel Solver를 이용하여 최적화를 수행하였다. 공주시와 서천군의 2010년 위성영상 기반으로 작성된 2012년 환경부 중분류 토지피복도를 활용하여, BOD, T-N, T-P에 대한 토지피복기반 원단위를 도출하였다. 본 연구에서 수행한 토지피복기반 원단위 산정 연구는 국토 이용에 따른 오염원 발생변화를 보다 명확히 판별할 수 있을 것으로 판단된다.

• Ecology and Resilient Infrastructure
• /
• 제9권4호
• /
• pp.218-227
• /
• 2022

본 연구는 효율적인 하천 관리를 위해 중요한 데이터 중 하나인 하천 공간의 토지피복 분류를 위해 딥 러닝 기반의 이미지 트레이닝 방법의 활용가능성을 검토하였다. 이를 위해 대상 구간의 RGB 이미지를 활용하여 라벨링 작업 후 학습시킨 결과를 활용하여 기존 대분류 지표를 기준으로 토지피복 분류를 시도하였다. 또한 개방형으로 제공되는 Sentinel-2 위성 영상으로부터 무감독 분류 및 감독 분류에 의한 하천 공간의 토지피복 분류를 수행하였으며, 딥 러닝 기반 이미지 분류 결과와 비교하였다. 분석 결과의 경우 무감독 분류 결과와 비교하여 매우 향상된 예측 결과를 보여주었으며, 고해상도 이미지의 경우 더욱 정확한 분류 결과를 제시하였다. 단순한 이미지 라벨링을 통해 분류된 피복 분류 결과는 하천 공간 내 수역과 습지의 분류 가능성을 보여주었으며, 향후 추가적인 연구 수행이 이루어진다면 하천 관리를 위해 딥 러닝 기반 이미지 트레이닝 기법을 이용한 하천 공간내 피복 분류 결과의 활용이 가능할 것으로 판단된다.

• 한국지형학회지
• /
• 제18권1호
• /
• pp.41-56
• /
• 2011

이 연구에서는 미래의 토지피복도 작성을 위해 위성영상을 기반으로 토지피복 변화를 분석하고, 토지지목의 통계자료를 이용하여 미래의 토지지목 변화를 예측하였다. 토지지목 예측 방법에는 이중지수 평활법을 이용하였다. 위성영상을 이용한 각 연도별 토지피복 분류 결과, 천안·아산시의 토지피복 변화에서 가장 큰 증가 면적을 보인 유형은 인공구조물이며, 다음으로 수역, 초지, 나대지 등도 증가하였다. 반면에 산림지, 논, 습지, 밭 등은 감소하였다. 토지지목의 시계열분석 결과에서는 위성영상을 이용한 토지피복 분류 결과와 유사한 결과가 나타났다. 이중지수 평활법을 이용한 토지지목 변화를 예측한 결과, 2010년에서 2100년까지 논, 밭, 산림지와 습지는 지속적으로 감소하는 반면, 인공구조물, 수역, 나대지, 초지는 계속해서 증가할 것으로 예측되었다. 이상의 결과는 기후변화 대응전략 마련을 위한 기후변화에 따른 토지피복 변화 예측을 위한 기초 자료로 활용될 수 있을 것이다.

• 한국지리정보학회지
• /
• 제18권2호
• /
• pp.135-148
• /
• 2015

본 연구는 LiDAR DEM(Digital Elevation Model)과 다중시기에 촬영된 Landsat 영상을 이용하여 4대강 정비사업이 시행되기 이전 및 이후에 낙동강 유역 내 발생한 토지피복 변화를 탐지 및 분석하기 위하여 수행되었다. 우선 LiDAR DEM으로부터 추출된 제방경계선을 이용하여 하천유역 폴리곤을 생성하고, 하천유역 폴리곤을 이용하여 다중시기에 촬영된 Landsat-5 TM(Thematic Mapper) 영상과 Landsat-8 OLI(Operational Land Imager) 영상으로부터 4개의 하천유역 영상을 각각 추출하였다. 그리고 영상분류방법을 적용하여 각 하천유역 영상으로부터 하천유역의 주요 토지피복인 하천, 나지, 초지를 각각 분류하였고, 전체 면적에서 각 토지피복이 차지하는 비율을 계산하였다. 다중시기에 촬영된 하천유역 영상으로부터 분류된 각 토지피복의 변화량을 분석한 결과, 4대강 정비사업이 시행되기 이전과 4대강 정비사업이 완공된 이후에는 계절의 변화에 의해 나지와 초지의 면적은 큰 폭으로 변화하였으나, 하천의 면적은 큰 변화가 없었다. 반면에 4대강 정비사업 전후로, 낙동강 유역 내 저수량의 증가로 인해 하천의 면적이 큰 폭으로 증가하였다. 본 논문은 LiDAR DEM과 4대강 정비사업 이전과 이후에 촬영된 위성영상들을 이용하여 4대강 정비사업으로 인해 발생한 하천 유역 내 토지피복 변화를 탐지할 수 있는 효과적인 방법을 제시하였다는데 의의가 있다.

• 대한공간정보학회지
• /
• 제8권2호
• /
• pp.23-33
• /
• 2000

본 연구에서는 인공위성영상을 이용한 토지피복 분류방법 중 파라메트릭한 분류와 비-파라메트릭한 분류의 대표성을 띤 최대우도 분류법과 신경망을 이용한 분류방법을 사용하여 분류정확도를 비교하였다. 분류정확도의 평가에 있어서 일반적인 분석가들이 사용하는 훈련지역에 대한 분류정확도의 분석뿐만 아니라, 시험지역에 대한 정확도분석을 하였다. 그 결과, 최대우도분류기에 비하여 신경망의 분류기가 일반적인 훈련데이터의 분류에 있어서 약 3% 우월하였으며, 지상검증데이터를 사용한 분류결과에서는 시험에 사용된 두 분류기 모두 빈약한 분류결과를 나타내었으나, 신경망에 의한 분류가 최대우도에 비하여 약 10%정도 보다 신뢰할 수 있는 결과를 얻을 수 있었다.