• Spatial Information Research
• /
• 제11권2호
• /
• pp.101-117
• /
• 2003

고해상도 위성영상분석은 국지적 규모의 토지피복 변화 및 대기 상태의 모니터링을 위한 효과적인 기술로 인식되어 왔다. 본 연구에서는 고해상도 영상인 IKONOS 영상과 기존에 작성된 토지이용도를 이용하여 국지적 규모의 토지피복도를 새로 작성하였다. 토지피복 분류기법으로는 퍼지분류 기법을 사용하였으며, 소속함수의 결합방법으로 minimum 연산자를 이용하였다. 분리도 분석에서는 모든 밴드에서 분리도가 높지 않은데, 원인은 계절적 영향에 따른 분광반사율의 차이 때문이다. 토지피복도 작성결과 육상에서는 침엽수림과 경지가, 해양에서는 간석지 및 해빈의 변화가 가장 크다. 분류의 전체정확도는 95.0%, kappa 계수는 0.94%로 나타나 높은 분류정확도를 보였다. 분류항목별 정확도에서는 대부분의 분류항목이 90% 이상의 분류정확도를 보였다. 그러나 혼합림과 하천 및 저수지 등은 낮은 분류정확도를 보였다. 이들 원인은 농경지 담수로 인하여 수역으로 분류항목이 변하거나 유사한 분광패턴으로 분류항목이 혼재된 결과이다. 이들 분류항목의 분류정확도를 높이기 위해서는 계절적 요인을 반드시 고려하여야 할 것이다. 결론적으로 IKONOS 영상은 토지이용도 작성 및 수정이 가능하며, 추후 GIS 공간자료와 통합하여 토지피복도를 작성한다면 보다 정확한 의사결정 보조 자료로서 유용하게 활용될 수 있을 것이다.

• Spatial Information Research
• /
• 제22권1호
• /
• pp.27-33
• /
• 2014

SAR 영상은 관측시간과 기상현상 등의 외부 환경 영향을 받지 않고 수시로 데이터 취득이 가능하며 광학영상보다 광범위한 관측 영역을 포함하기 때문에 레이더간섭기법 (InSAR)을 이용한 토지피복분류 기법은 큰 이점을 갖는다. 본 연구에서는 L밴드 ALOS PALSAR의 후방산란계수와 긴밀도를 이용한 새로운 토지피복분류 기법을 개발하고 최근 화산 폭발 가능성으로 인해 주목받고 있는 백두산 지역에 시험 적용하였다. 새로운 토지피복분류 체계는 ALOS PALSAR의 HH, HV편광 모드의 영상을 InSAR 시계열 상에서 패킷의 형태로 재구성하고 주성분 분석을 도입하여 분류의 신뢰도 향상을 시도하였다. 또한 MODIS 등 광학 영상 기반 분류와 상호 검증하여 정확도를 확인하였다.

• 한국지리정보학회지
• /
• 제18권4호
• /
• pp.100-118
• /
• 2015

본 연구는 위성영상을 이용하여 객체기반 토지피복 분류도를 구축하고 공간통계기법을 통하여 토지피복의 분류항목별 분포패턴을 파악하였다. 객체기반 분류는 분광정보, 질감정보, 분광정보와 질감정보의 조합에 의하여 각각의 토지피복 분류도를 구축하였으며, 정확도 평가를 통하여 최적의 토지피복 분류도를 선정하였다. 또한, 토지피복의 분류항목별 공간적 분포패턴을 파악하기 위하여 핫스팟 분석을 실시하여 정량화하였다. 객체기반 분류를 위한 최적의 가중치는 Scale 52, Shape 0.4, Color 0.6, Compactness 0.5, Smoothness 0.5로 선정하였다. 토지피복 분류도는 분광정보와 질감정보의 조합을 사용하였을 때, 전체 분류정확도가 가장 높았으며, 특히 밭과 시설재배지, 나지의 경우 분광정보만을 사용하였을 때 보다 정확도가 약 12% 이상 증가하였다. DMZ일원의 분류항목별 면적비율은 산림 > 논 > 교통시설 > 초지 > 밭 > 나지 > 건물 > 수역 > 시설재배지 순으로 높았으며, 특히, 양구군의 밭과 교통시설은 민간인통제선 이북지역, 철원군의 밭, 인제군의 산림과 교통시설은 민간인통제선 이남지역에서 주로 분포하는 것으로 나타났다. 분류항목별 분포 패턴의 경우, 농업과 관련된 논, 밭, 시설재배지의 핫스팟(hot spot)은 철원군의 평야 지역과 양구군의 분지 지역에 집중 분포하였다. 나지, 수역, 건물, 도로의 핫스팟 지역은 농업과 관련된 핫스팟 지역과 분포 패턴이 유사한 반면, 산림과 초지의 핫스팟 지역과는 분포 패턴이 상이하였다.

• 한국지리정보학회지
• /
• 제21권3호
• /
• pp.205-213
• /
• 2018

초분광영상(Hyperspectral Image)은 다중분광영상에 비해 각 픽셀이 가지는 정보량이 많아 다양한 토지피복을 분류하는데 있어 가장 적합한 영상으로 평가 받고 있다. 하지만 최근의 초분광영상의 연구는 대분류에 해당하는 연구에 그치고 있다. 이에 본 연구에서는 다양한 토지피복분류에 대한 연구를 수행하기 위해 기존의 분석기법인 ED, SAM, SSS 기법을 토대로 Decision Tree를 구성하는 연구를 수행하였다. 그 결과, 대분류의 전체정확도는 1.68%, 세분류 전체정확도는 5.56%가 향상되는 결과를 얻을 수 있었다.

• 한국지리정보학회지
• /
• 제25권4호
• /
• pp.63-80
• /
• 2022

현실의 공간을 가상의 공간으로 구현하여 문제를 분석하고 예측하는 기술이 개발되면서, 복잡한 도시 내의 정밀한 공간정보를 취득하는 것이 중요해지고 있다. 본 연구는 복잡한 경관을 가진 도시지역을 대상으로 무인항공기를 통해 영상을 취득하고 고해상도 영상에 적합한 영상분류 기법인 객체기반 영상분석 기법과 의미론적 분할 기법을 적용하여 토지피복 분류를 수행하였다. 또한, 동일시기에 수집된 영상을 바탕으로 인공지능이 학습하지 않은 지역에 대해 각 인공지능 모형의 토지피복 분류 재현성을 확인하고자 하였다. 학습 지역을 대상으로 인공지능 모형을 학습하였을 때, 토지피복 분류 정확도가 OBIA-RF는 89.3%, OBIA-DNN은 85.0%, U-Net의 경우 95.3%로 분석되었다. 재현성을 평가하기 위해 검증 지역에 인공지능 모형을 적용하였을 때, OBIA-RF는 7%, OBIA-DNN은 2.1%, U-Net은 2.3%의 정확도가 감소하였다. 형태학적인 특성과 분광학적인 특성을 모두 고려한 U-Net이 토지피복 분류 정확도 및 재현성 평가에서 우수한 성능을 보이는 것으로 나타났다. 본 연구의 결과는 정밀한 공간정보가 중요해짐에 따라 기초자료 생성 방법으로써 도시환경 연구분야에 기여할 수 있을 것으로 판단된다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2008년도 춘계학술대회 논문집
• /
• pp.109-112
• /
• 2008

현재 북한 토지피복 특성 중의 하나인 과도한 산지의 농지로의 전용은 홍수 등 자연재해를 일으키는 원인이 되고 있지만 북한에 대한 참조자료의 부족으로 피해규모나 상황에 대한 이해가 부족하다. 본 연구는 북한 양강도 산간지역을 대상으로 개간농지와 산림의 토지피복특성을 가을시기(2005 년 10 월 25 일) Quickbird (<0.6m) 위성영상의 육안분석과 분광특성을 이용하여 정확한 토지피복분류에의 기초 정보를 제공하는 것을 목적으로 한다. 토지피복 유형별 Training area 의 ROI(Region of Interest)의 면적은 2500pixel 로 하였고, 이것을 다시 .shp 파일로 변환하여 GoogleEarth 에서 표고 및 경사 등 보다 자세한 지형지물을 확인하였다. Quickbird 영상의 NDVI 분석을 통해 0.2 정도에서 식생과 농경지로 구분하는 임계값(Threshold)을 추정할 수 있었지만 늦게까지 추수를 끝내지 않은 농작물이나 이모작 농작물의 경우는 산림과 혼재되어 나타나고 있었다. 또한, 산림의 북사면은 수역 다음으로 낮은 NDVI 값을 나타내어 지형의 영향이 나타나고 있음을 알 수 있었다.

• 한국지리정보학회지
• /
• 제5권1호
• /
• pp.27-37
• /
• 2002

정량적인 토지피복도의 확보는 유역에 분포하는 비점오염원의 규명에 있어서 매우 중요한 과제로 인식되고 있다. 본 연구는 위성영상을 이용한 토지피복분류 과정에 있어서, 훈련지역의 취득방법 및 규모가 분류정확도에 미치는 영향을 JERS-1 OPS 위성영상을 기반으로 평가하였다. 전체 연구대상지역 중에서 0.3%, 0.5%, 1.0%를 훈련지역으로 추출함에 있어서 두 가지 기법을 제안하였다. 첫번째 기법은 해당지역에 대한 사전 지식을 갖춘 연구자가 훈련지역을 추출하였으며, 두번째 기법은 기하학적 보정을 행한 항공사진과 수치지도를 이용하여 훈련지역을 추출하였다. 영상의 토지피복 분류는 최대우도분류법을 이용하였다. 연구결과 사용자에 의한 훈련지역 취득기법보다 항공사진과 수치지도를 이용하여 훈련지역을 추출하여 최대우도분류법을 적용할 경우 전체정확도가 최대 18% 정도 향상하였다. 우리나라와 같이 복잡하고 다양한 토지이용을 가진 지형에서 JERS-1 영상을 이용하여 95%의 신뢰도를 얻기 위해서는 적어도 훈련지역을 전체지역의 약 1% 이상 추출하여야 만족할 만한 토지피복분류를 수행할 수 있었다.

• 한국환경과학회:학술대회논문집
• /
• 한국환경과학회 2003년도 봄 학술발표회 발표논문집
• /
• pp.351-353
• /
• 2003

위성데이터를 이용한 토지피복분류에 의한 녹지의 경년변화의 특성 및 표고데이터와의 중첩에 의한 CG의 작성에 의해 경관으로서의 토지피복의 경년별 변화특성을 파악하였다. 1989년에서 2000년에 걸쳐 녹지는 약 3.9% 감소하였으며, 경관화상을 통해서는 약 2.3% 감소한 것으로 분석되었다 평면적인 녹지의 감소가 경관상의 녹지량의 감소율과 깊은 관련이 있는 것이 확인되었다.

• 한국산림과학회지
• /
• 제112권3호
• /
• pp.267-279
• /
• 2023

본 연구는 IPCC에서 제시하고 있는 Approach 3 수준의 토지이용 및 토지피복 면적 추정을 위해 고해상도 항공사진에 딥러닝 알고리즘과 Sampling method를 적용하였으며, 표본강도에 따라 토지피복 면적을 산출하고 최적의 표본강도를 도출하는 것을 목적으로 하였다. 원격탐사자료로는 51 cm급의 고해상도 칼라 항공 이미지를 사용하였으며, 딥러닝 알고리즘은 전이 학습이 적용된 VGG16 아키텍처를 활용하였다. 딥러닝 기반 토지피복 분류모델의 학습과 검증은 육안판독을 통해 선별된 데이터를 이용하였다. 최적의 표본강도를 도출하기 위한 평가는 7개의 표본강도(4 × 4 km, 2 × 4 km, 2 × 2 km, 1 × 2 km, 1 × 1 km, 500 × 500 m, 250 × 250 m)에 따른 토지이용 및 토지피복 면적을 추정하고 환경부에서 제시한 토지피복지도와 비교하였다. 본 연구 결과, 딥러닝 기반의 토지피복 분류 모델의 전체정확도와 카파계수는 각각 91.1% 와 88.8%였다. F-Score는 초지를 제외한 모든 범주가 90% 이상으로 구축되어 모델의 정확도가 우수하였다. 표본강도별 적합도 검정은 유의수준 0.1에서 4 × 4 km를 제외한 모든 표본강도에서 환경부에서 제시한 토지피복지도의 면적 비율과 유의한 차이를 보이지 않았다. 또한, 표본강도가 증가할수록 상대표준오차와 상대효율은 감소하였으며, 상대표준오차는 1 × 1 km 표본강도에서 모든 토지피복범주가 15% 이하로 감소하였다. 따라서, 지역 단위의 토지피복 면적 산정을 위해서는 표본강도를 1 × 1 km보다 상세하게 설정하는 것이 적합하다고 판단된다.

• 대한지리학회지
• /
• 제45권2호
• /
• pp.275-292
• /
• 2010

이 연구는 위성영상 자료(1972~2008년)를 이용하여 인위적인 환경변화에 따른 태안반도 간석지의 토지피복 변화를 시계열분석하고, 그 변화 패턴을 고찰하고자 하였다. 선분류 후비교법을 이용한 시기별 토지피복 변화를 분석한 결과, 1972년에서 2008년 사이에 태안반도 간석지의 토지피복은 갯벌에서 습지, 습지에서 논으로의 변화가 발생하였다. 세부적인 토지피복 변화 패턴을 분석하기 위해 변형된 선분류 후비교법을 이용하여 각각의 영상을 분석한 결과 태안반도 간석지는 갯벌 $\rightarrow$ 습지 호수 및 염전 $\rightarrow$ 나대지 $\rightarrow$ 논 $\rightarrow$ 나대지로 변하였음을 분석할 수 있었다. 선분류 후비교법의 적용을 위해서는 각 영상의 정확한 분류가 반드시 요구되는데, 분류된 영상의 전체정확도는 평균 95.33%로 나타났고, 카파값은 평균 0.941로 나타났다.