• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 2006.05a
• /
• pp.175-180
• /
• 2006

본 연구는 연구대상지의 위성영상을 이용하여 물, 산림, 인공구조물, 나대지, 경작지, 초지의 6항목으로 토지피복 분류를 수행하였으며, 인공위성 영상에 나타난 시계열적인 도시피복의 변화 현상을 파악하였다. 이러한 각각의 결과를 통하여 종합적인 도시지역 내의 공간현상을 파악하고자 하였고, 시간의 경과에 따라 각각의 항목별 변화에 대한 통계량을 추출하기 위해 GIS의 GRID 연산을 수행하여 도시 내 공간적인 변화를 분석하였다. 연도별 위성영상을 분석한 결과 체계적인 도심의 모습으로 발전시키는데 중요한 기초자료로 이용될 수 있고, 도시계획 수립 및 개발을 위한 의사결정 자료로 이용할 수 있으며, 도시의 향후 발전 형태를 예측하고 과거자료들을 분석하여 주요지역에 필요한 제반시설물들의 위치를 결정하는데 유용하게 이용될 수 있을 것이다.

• Proceedings of the Korea Contents Association Conference
• /
• 2008.05a
• /
• pp.444-448
• /
• 2008

It was investigated to apply the information of the satellite imagery to the field of urban planning. Built-up area and road area are very important factors in the field of urban planning. To extract these information from the satellite imagery, landcover classes were categorized into the 4 classes, exterior space, built-up area, vegetation and shadow. And it was discussed what is needed for landcover classifications and essential factors on the information extraction.

• Korean Journal of Remote Sensing
• /
• v.29 no.5
• /
• pp.537-544
• /
• 2013

Baton Peninsula, where Sejong station is located, mainly covered with snow and vegetation. Because this area is sensitive to climate change, monitoring of surface variation is important to understand climate change on the polar region. Due to the inaccessibility, the remote sensing is useful to continuously monitor the area. The objectives of this research are 1) map classification of land-cover types in the Barton Peninsular around King Sejong station and 2) grasp distribution of vegetation species in classified area. A KOMPSAT-2 multispectral satellite image was used to classify land-cover types and vegetation species. We performed classification with hierarchical procedure using KOMPSAT-2 satellite image and ground reference data, and the result is evaluated for accuracy as well. As the results, vegetation and non-vegetation were clearly classified although species shown lower accuracies within vegetation class.

• Journal of Korean Society for Geospatial Information Science
• /
• v.8 no.1 s.15
• /
• pp.121-130
• /
• 2000

For the land-cover classification we have usually used imagery of the optical sensors only. But currently a number of the satellite with various sensors are operating and the availability of using the data acquired from them are increasing. SAR sensors, in particular, can produce additional informations on the land-cover which has not been available from optical sensors. On this study, I have applied the SAR Image to the SPOT XS image in the classification procedures, and analysed the classified results. In this procedure I have extracted texture informations from SAR intensity images, then applied both intensity and texture informations. From the accuracy analysis, overall accuracy are increased slightly when the SAR texture was applied. In case of the Built-up class the results showed higher accuracy than those of when only the SPOT XS image was used. From this result I can show that overall accuracy was increased slightly but the spatial distribution of classes was visibly improved.

• Journal of Korean Society of Rural Planning
• /
• v.12 no.1 s.30
• /
• pp.75-83
• /
• 2006

본 연구에서는 최대우도법과 인공신경망 모형에 의해 카테고리 분류를 수행하고 각각의 분류 성능을 비교 평가하였다. 인공신경망 모형은 오류역전파 알고리즘을 이용한 것으로서 학습을 통한 은닉층의 최적노드수를 결정하여 카테고리 분류를 수행하도록 하였다. 인공신경망 최적 모형은 입력층의 노드수가 7개, 은닉층의 최적노드수가 18개, 그리고 출력층의 노드수가 5개인 것으로 구성하였다. 위성영상은 1996년에 촬영된 Landsat TM-5 영상을 사용하였고, 최대우도법과 인공신경망 모형에 의한 카테고리 분류를 위하여 각각의 카테고리에 대한 분광특성을 대표하는 지역을 절취하였다. 분류 정확도는 인공신경망 모형에 의한 방법이 90%, 최대우도법이 83%로서, 인공신경망 모형의 분류 성능이 뛰어난 것으로 나타났다. 카테고리 분류 항목인 토지 피복 상태에 따른 분류는 두 가지 방법에서 밭과 주거지의 분류오차가 큰 것으로 나타났다. 특히, 최대우도법에 의한 밭에서의 태만오차는 62.6%로서 매우 큰 값을 보였다. 이는 밭이나 주거지의 특성이 위성영상 촬영시기에 따라 나지의 형태로 분류되거나 산림, 또는 논으로도 분류되는 경향이 있기 때문인 것으로 보인다. 차후에 카테고리 분류를 위한 각각의 클래스의 보조적인 정보를 추가한다면, 카테고리 분류 향상이 이루어질 것으로 기대된다.

• Journal of Korean Society for Geospatial Information Science
• /
• v.19 no.2
• /
• pp.9-17
• /
• 2011

For the exact status of the land such as land cover classification and land use classification, feature classification system has been utilized in several organizations and agencies. However, those classification systems are limited to detection of land change and it's also not suited for the extraction of land changed. In this study, we would proposed a standard feature classification system which presents both in natural and artificial change of land effectively. Based on comparison and analysis of domestic and foreign relevant feature classification system, we proposed a standard feature classification system. In order to validate the applicability of the proposed feature classification system, we evaluated the accuracy with using automatic feature classification based on supervised classification and pre-knowledge hierarchical classification.

• Journal of Environmental Impact Assessment
• /
• v.10 no.1
• /
• pp.39-47
• /
• 2001

본 연구는 지리정보시스템 및 원격탐사기법을 응용하여 북한의 자연환경을 조사하기 위한 기초연구로서 수행되었으며, 과거 약 20년 동안의 평양 및 남포지역의 산림면적의 변화 및 경관구조 변화측면에서의 산림 파편화 양상을 조사하였다. 조사자료로는 Landsat MSS 및 TM 영상의 NDVI값을 이용하였으며, 보다 정확한 피복분류를 위하여 변형된 Cluster-Busting 알고리즘을 활용하여 산림과 비산림지역으로 단순화시켜 분석하였다. 경관구조의 변화를 살피기 위해서 조각밀도, 형태 및 핵심내부지역의 면적 등의 경관지수(Landscape Indices)를 활용하였다. 분석과정을 거쳐서 도출된 결론은 다음과 같다. 첫째, Cluster-busting 방법을 활용한 토지피복 분류결과 87.3%의 총 분류 정확도를 얻었으며, Binary Map을 이용한 변화감지(Change Detection)기법 또한 그 결과가 정확한 것으로 판단되었다. 둘째, '79년에서 '98년에 이르는 기간동안, 평양의 경우 '79년 산림면적의 15%, 그리고 남포지역의 경우 14%가 감소하였다. 셋째, 경관지수를 이용하여 북한 산림의 파편화 변화를 조사한 결과 산림조각의 개수는 늘어나고 조각의 평균면적 및 핵심내부면적은 감소하였으며 조각크기의 다양성 또한 낮아졌다. 산림조각 형태지수 또한 매우 증가하였는데 이러한 결과들은 평양 및 남포지역의 산림조각이 파편화되고 그 형태 또한 불규칙적이며 복잡하게 변화하였음을 보여주고 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.750-750
• /
• 2012

토지이용의 변화는 수문순환의 변화를 초래한다. 이는 토지이용에 따른 지표 특성의 변화로 열수지가 변화함으로써 미규모 및 중규모 기상현상에 직접적으로 영향을 미치기 때문이다. 최근 4대강 살리기 사업 등의 대규모 토목사업으로 인해 넓은 면적의 지표면 상태가 변화하고 이에 따른 수문순환 변화에 대한 관심과 함께 연구가 진행되고 있다. 또한 최근 수문학 분야에서의 가장 큰 관심은 최신 기법을 적용한 수문분석 및 정확한 수문인자를 추출하고자 하는 것으로 원격탐사나 GIS 기법을 이용할 경우 유역의 물리적인 요소를 고려할 수 있으며 넓은 지역에 대한 정보를 공간적으로 분석할 수 있는 장점이 있다. 본 연구에서는 길이 103.5km, 유역면적 $1,478km^2$, 한강의 제 1지류인 섬강유역을 대상으로 위성 영상을 이용하여 토지피복에 따른 열수지 변화 특성을 모니터링 하였다. 대상지역의 토지피복은 Landsat TM 위성영상을 이용하여 수역, 도심지, 나지, 초지, 산림, 농경지, 구름 및 그림자 등으로 분류하였으며, 위성영상을 열수지 모델에 적용하여 인자별 격자기반의 공간분포도를 추출하였다. 또한 이를 이용하여 토지피복 종류에 따른 유역내 열환경 특성을 정량적으로 파악하고 열환경 관점에서 유리한 토지피복 조성을 도출하고자 한다.

• Journal of the Korean Association of Geographic Information Studies
• /
• v.18 no.2
• /
• pp.135-148
• /
• 2015

This research is carried out for the land cover change detection in the Nakdong River basin before and after the 4 major rivers restoration project using the LiDAR DEM(Digital Elevation Model) and the multi-temporal Landsat imagery. Firstly the river basin polygon is generated by using the levee boundaries extracted from the LiDAR DEM, and the four river basin imagery are generated from the multi-temporal Landsat-5 TM(Thematic Mapper) and Landsat-8 OLI(Operational Land Imager) imagery by using the generated river basin polygon. Then the main land covers such as river, grass and bare soil are separately generated from the generated river basin imagery by using the image classification method, and the ratio of each land cover in the entire area is calculated. The calculated land cover changes show that the areas of grass and bare soil in the entire area have been significantly changed because of the seasonal change, while the area of the river has been significantly increased because of the increase of the water storage. This paper contributes to proposing an efficient methodology for the land cover change detection in the Nakdong River basin using the LiDAR DEM and the multi-temporal satellite imagery taken before and after the 4 major rivers restoration project.

• Korean Journal of Remote Sensing
• /
• v.38 no.6_2
• /
• pp.1663-1676
• /
• 2022

Recently, a number of deep-learning based land cover segmentation studies have been introduced. Some studies denoted that the performance of land cover segmentation deteriorated due to insufficient training data. In this study, we verified the improvement of land cover segmentation performance through data augmentation. U-Net was implemented for the segmentation model. And 2020 satellite-derived landcover dataset was utilized for the study data. The pixel accuracies were 0.905 and 0.923 for U-Net trained by original and augmented data respectively. And the mean F1 scores of those models were 0.720 and 0.775 respectively, indicating the better performance of data augmentation. In addition, F1 scores for building, road, paddy field, upland field, forest, and unclassified area class were 0.770, 0.568, 0.433, 0.455, 0.964, and 0.830 for the U-Net trained by original data. It is verified that data augmentation is effective in that the F1 scores of every class were improved to 0.838, 0.660, 0.791, 0.530, 0.969, and 0.860 respectively. Although, we applied data augmentation without considering class balances, we find that data augmentation can mitigate biased segmentation performance caused by data imbalance problems from the comparisons between the performances of two models. It is expected that this study would help to prove the importance and effectiveness of data augmentation in various image processing fields.