• 한국지리정보학회지
• /
• 제23권3호
• /
• pp.252-262
• /
• 2020

원격탐사 분야에서 토지피복분류에는 머신러닝 기반의 SVM 모델이 대표적으로 활용되고 있는 한편, 신경망 모델을 이용한 연구도 지속적으로 수행되고 있다. 다목적실용위성의 고해상도 영상을 이용한 연구는 미흡한 실정이며, 따라서 본 연구에서는 고해상도 KOMPSAT-3 위성영상을 이용하여 신경망 모델의 토지피복분류 정확도를 평가하고자 하였다. 경주시 인근 해안지역의 위성영상을 취득하여 훈련자료를 제작하고, 물과 식생 및 육지의 세 항목에 대해 SVM, ANN 및 DNN 모델로 토지피복을 분류하였다. 분류 결과의 정확도를 오차 행렬을 통해 정량적으로 평가한 결과 DNN 모델을 활용한 토지피복분류가 92.0%의 정확도로 가장 우수한 결과를 나타냈다. 향후 다중 시기의 위성영상을 통해 훈련자료를 보완하고, 다양한 항목에 대한 분류를 수행 및 검증한다면 연구의 신뢰성을 높일 수 있을 것으로 판단된다.

• 한국지리정보학회지
• /
• 제2권1호
• /
• pp.32-44
• /
• 1999

본 연구의 목적은 질감을 분광정보와 함께 사용했을 때의 분류정확도의 향상을 평가하는데 있다. 먼저 부산지역의 SPOT HRV 영상에 최대우도분류를 적용하여 토지피복도를 작성하였다. 그리고 3번 파장에서 다양한 질감을 추출한 다음, 이 질감을 신파장의 형태로 분광정보에 통합하여 분류하여 질감의 사용이 분류의 정확도에 미치는 영향을 질감별로 평가하였다. 정확도 평가는 전체적인 정확도와 토지피복별 정확도로 구분하였다. 연구결과 전체적인 정확도 향상을 관측할 수 있었는데, 특히 엔트로피의 개선 효과가 우수하였다. 그리고 창의 크기는 $5{\times}5$와 $7{\times}7$이 적절한 것으로 나타났다. 그리고 질감에 따라서는 전체적인 정확도는 향상되지 않더라도 일부 토지피복의 정확도는 개선되는 것으로 나타났다. 토지피복별로는 저층건물지역, 아파트 단지. 고층건물지역, 공업지역 등 도시지역의 개선효과가 높은 것으로 나타났다.

• 대한원격탐사학회지
• /
• 제39권6_3호
• /
• pp.1771-1777
• /
• 2023

최근 딥러닝의 발전으로 의미론적 분할을 통한 토지피복 분류 방법들이 제안되고 있다. 그러나 기존의 딥러닝 기반 모델들은 영상 정보만을 이용하기 때문에 시공간적 일관성을 담보할 수 없는 한계점이 있다. 이에 본 연구에서는 좌표 정보를 활용한 토지피복 분류 모델을 제안한다. 먼저 암시적 신경 표현 기법인 다중해상도 해시 인코더를 위경도 좌표계로 확장한 좌표 해시 인코더를 통해 좌표의 특징을 추출하였다. 다음으로 추출된 좌표 특징을 다양한 단계의 U-net 디코더와 결합하는 아키텍처를 제안하였다. 실험 결과, 제안 방법이 약 32% 향상된 분류 정확도를 보였고, 시공간적 일관성이 향상됨을 확인하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2001년도 추계학술대회 학술발표 논문집
• /
• pp.1-4
• /
• 2001

Landsat TM 위성영상을 대상으로 인공신경망 모형과 RBF 신경망 모형의 토지피복분류 정확도를 평가하였다. 토지피복의 특성에 따라 세 개의 연구지역(복합토지이용, 농경지, 도시지역)을 대상으로 RBF 신경망 모형의 입력밴드 조합 및 분류 항목의 변화에 따른 민감도 분석이 수행되었다. 오염부하 원단위의 신뢰구간 및 분포를 추정하기 위하여 붓스트랩기법이 적화하였으며, 특히 토지이용이 다양한 도시지역에서 가장 큰 변화폭을 보였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.141-141
• /
• 2012

비점오염물질은 강우 시 유출되기 때문에 일간, 계절 간 유출량 변화가 대단히 크게 나타나며, 기후, 지형, 토지이용, 토양 등과 지역적인 특성과 유역 형상에 따라 변화되므로 비점오염원 유출량에 대한 정량화를 위해서는 강우지속시간동안 정확한 수질과 유량에 대한 측정 자료가 요구된다. 따라서 본 연구에서는 비점오염물질에 대해 현장 모니터링 및 현장 실측 관련 기존 연구자료 수집을 통해 중분류 토지피복분류별 원단위를 산정하였다. 또한 특정 유역에 중분류 토지피복 분류별 산정된 원단위를 적용하여 유역기반의 비점오염부하량을 산정 하였다. 대상 유역에 해당하는 하천 말단에서의 실측 자료를 활용하여 유역모형을 구축하고, 강우를 입력 자료로 하여 비점오염 물질별 부하량을 모의 산정하였다. 유역모형으로 HSPF(Hydrologic Simulation Program - Fortran)을 실제 대상유역에 적용하였고, 이에 따른 모의 결과를 실측치와 비교하여 부하량을 산정하였다. 이렇게 모의 산정된 부하량은 실측자료를 기반으로 산정된 원단위의 적용에 따른 부하량과 비교 검토하여 유역에 대한 비점오염원 부하량 산정 시 모형의 적용 가능성을 평가하였다. 본 연구에 적용된 대상유역은 동천유역으로 병성천의 주요 지류로서 유역의 상단에 위치하고 있다. 중분류 토지피복 중 공업지역, 교통지역, 과수원재배지, 비닐하우스재배지, 기타재배지에 대해서는 2008년부터 2010년까지 모니터링을 실시하였고, 이외의 중분류 토지피복에 대한 결과는 수계별 현재까지 진행되고 있는 환경기초조사사업 중 '주요 비점오염원 유출 장기 모니터링'사업의 자료를 활용하였다. 동천유역의 비점오염원 발생부하량을 산정한 결과, BOD 부하량은 대지의 경우 391.4 kg/day로서 중분류 군으로 구분한 결과에 비해 높게 산정되었다. T-N, T-P 발생부하량도 토지피복군이 대분류에서 중분류로 변화됨에 따라 부하량의 차이가 발생 하였다. 또한 동천유역에 대해 구축된 HSPF 모형의 적합도를 시기별 4개의 Case로 구분하여 평가해 보았는데 그 결과, 모형 모의치의 실측치에 대한 적합도가 높게 평가 되었다. 현재 특정 지역에 편중되어 조사되고 있는 중분류 토지피복을 조사 기관간의 교차 조사를 통해 지역적 제한성을 낮추고, 중분류에 속하는 세부피복지점을 확대하여 모니터링 지점의 다양성을 확보하여야 할 것으로 판단된다. 이와 동시에 한시적인 조사가 아닌, 장기간에 걸쳐 연구가 진행 될 경우 원단위에 대한 현재의 불확실성 및 제한성을 줄일 수 있을 것으로 판단되므로, 이러한 기초 자료 확보에 대한 장기적인 투자와 노력이 수반될 시 우리나라에 대표적으로 적용할 수 있는 비점오염원 원단위가 산정될 것으로 생각되며, 이러한 기틀이 마련되어야 비점오염원에 대한 적절한 유역관리방안을 수립할 수 있을 것으로 생각된다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2019년도 제59차 동계학술대회논문집 27권1호
• /
• pp.407-408
• /
• 2019

토지 피복과 관련된 지표면 파라미터는 일반적으로 지표에서 감지되어 위성영상에 나타난 많은 물리적 프로세스에 의존하며 계절적 주기성을 갖는 시간적 변화를 보인다. 하모닉 모형은 복잡한 파형을 정현파 성분의 합으로 표시함으로써 레벨, 주기, 진폭 및 위상 요소를 통한 변동을 분석함으로써 표면에서 관찰되는 계절적 변화 패턴을 모델링하는 데 적합한 모형이다. 본 연구에서는 MODIS NDVI (Normalized Difference Vegetation Index) 시계열 자료를 이용하여 하모닉 패턴의 특성에 따라 토지 피복을 분류하는 방법론을 제안하였다.

• 대한원격탐사학회지
• /
• 제22권2호
• /
• pp.101-110
• /
• 2006

본 연구에서는 항공 관측으로 얻어진 다중분광영상과 LIDAR (LIght Detection And Ranging) 자료를 이용하여 농업지역의 토지피복 분류 정도를 분석하였다. 다중분광영상은 녹색, 적색, 근적외역의 3분광으로 이루어져 있다. LIDAR 벡터 자료로부터 최초 반사강도 영상과 최초 반사 표고 자료와 최후 반사의 지상 표고 자료의 차이로 산출된 식생 높이 영상이 얻어졌다. 토지피복 분류 방법은 최대우도법을 사용했으며, 다중분광영상의 3밴드 영상 LIDAR의 반사강도 영상, 식생 높이 영상을 이용하였다. 모든 영상을 이용한 토지피복 분류의 전체 정도는 85.6%로 다중분광영상만을 이용한 정도보다 10%이상 향상되었다. 여러 농작물간의 높이의 차이, 수목과 농작물 높이의 차이와 LIDAR 반사강도 차이로 인하여 다중분광영상과 LIDAR 영상을 사용한 토지피복 분류의 정도가 향상되었다.

• 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.

• 대한원격탐사학회지
• /
• 제36권6_2호
• /
• pp.1591-1604
• /
• 2020

본 연구는 고해상도 위성영상을 딥러닝 알고리즘에 적용하여 토지피복을 분류하고 공간객체별 알고리즘의 성능 검증에 대한 연구이다. 이를 Fully Convolutional Network계열의 알고리즘을 선정하였으며, Kompasat-3 위성영상, 토지피복지도 및 임상도를 활용하여 데이터셋을 구축하였다. 구축된 데이터셋을 알고리즘에 적용하여 각각 최적 하이퍼파라미터를 산출하였다. 하이퍼파라미터 최적화 이후 최종 분류를 시행하였으며, 전체 정확도는 DeeplabV3+가 81.7%로 가장 높게 산정되었다. 그러나 분류 항목별로 정확도를 살펴보면, 도로 및 건물에서 SegNet이 가장 우수한 성능을 나타내었으며, 활엽수, 논의 항목에서 U-Net이 가장 높은 정확도를 보였다. DeeplabV3+의 경우 밭과 시설재배지, 초지 등에서 다른 두 모델보다 우수한 성능을 나타내었다. 결과를 통해 토지피복 분류를 위해 하나의 알고리즘 적용에 대한 한계점을 확인하였으며, 향후 공간객체별로 적합한 알고리즘을 적용한다면, 높은 품질의 토지피복분류 결과를 산출할 수 있을 것으로 기대된다.

• 대한공간정보학회지
• /
• 제23권4호
• /
• pp.25-33
• /
• 2015

생태계 평가 연구는 대부분 토지피복 정보를 기반으로 하여 연구되며, 주로 전지구적인 범위로 이루어져 왔다. 그러나 이러한 결과들을 지역적 현안에 대한 의사결정 자료로 활용하기에는 범위와 스케일에 있어서 활용성이 떨어지는 측면이 있다. 지역적 스케일에 활용 가능한 토지피복 정보로는 환경부에서 제작된 토지피복도가 있지만 시각판독법(On Screen Digitizing Method)의 한계와 시기별, 지역별 차이로 인해 자료 활용에 제한이 있다. 본 연구는 객체기반 분류기법을 이용하여 UAV 영상의 중분류 토지피복도를 제작하는데 목적이 있다. 이를 위하여 고해상도 UAV 영상을 5m 공간해상도로 재배열한 후 영상분할을 수행한 결과 scale 20, merge 34가 최적의 가중치 값으로 나타났으며, RapidEye 영상 분할에서는 scale 30, merge 30이 중분류 수준에 적절한 가중치 값으로 나타났다. 토지피복도는 예제기반분류를 사용하여 제작하였고, 층화추출법을 사용하여 정확도 검증을 수행하였다. 그 결과, RapidEye 분류 영상은 90%, UAV 분류 영상은 91%로 양호한 토지피복분류 결과가 도출되었다.