• 한국지리정보학회지
• /
• 제16권3호
• /
• pp.25-39
• /
• 2013

본 연구에서는 금강유역 내 용담댐 및 대청댐을 대상으로 SWAT 모형을 이용하여 미래 유출량 전망에 지배적인 인자로 작용하는 토지피복 변화에 따른 유출량 변화를 분석하였다. Landsat TM 위성영상을 이용하여 과거 1990년 및 1995년 토지피복 자료를 관측 자료로 사용하여 CA-Markov 연쇄기법에 의한 2000년 토지피복도를 모의하여 비교 검증을 한 후 향후 2050년과 2100년의 토지피복변화를 모의하였다. 이를 SWAT모형의 입력 자료로 이용하여 A1B 시나리오하에서 토지피복 변화 전 후의 유출량을 비교 분석 하였다. 금강유역에 대한 토지피복에 대한 경년별 추세 분석결과 산림과 논은 꾸준히 감소하고 주거지, 나지, 초지 등은 증가하는 경향을 나타내었다. 미래 토지피복의 변화를 고려한 유출 변화 분석결과, 토지피복의 변화를 고려한 유출량이 토지피복의 변화를 고려하지 않았을 때보다 전체적으로 1.83~2.87%로 소폭 증가하는 것으로 나타났다.

• 대한원격탐사학회지
• /
• 제31권2호
• /
• pp.51-64
• /
• 2015

본 연구에서는 MODerate resolution Imaging Spectroradiometer (MODIS) 지면피복 분류자료(MCD12Q1)에서 분류오류로 판단되는 화소들을 재분류함으로써 분류 정확도를 개선하였다. 최근 12년(2001-2012)간의 MODIS 지면피복 분류자료에서 지면피복 유형이 3개 이상으로 분류된 화소는 분류상에 오류가 있다고 판단하여 지면피복 재분류 화소로 선정하였다. 지면피복 재분류를 위해 공간해상도는 1 km이고 시간주기는 8일인 MODIS Normalized Difference Vegetation Index (NDVI) 자료를 이용하였다. NDVI 자료 중 구름 등으로 오염된 화소를 보정하기 위해 시 공간 연속성을 이용한 보정기법인 Correction based on Spatial and Temporal Continuity (CSaTC) 기법을 이용하였다. 보정된 NDVI 자료를 1개월 주기로 합성한 후 분류 오류로 판단된 화소들에 대해 Iterative Self-Organizing Data Analysis (ISODATA) 기법으로 군집화를 수행하였다. 각 군집별 식생 계절변동 특성을 고려하여 지면피복을 분류한 후 정상으로 판정된 MODIS 지면피복과 합성하여 최종 지면피복 재분류 자료를 산출하였다. 분류 정확도는 GPS를 이용한 현장관측 자료와 유럽우주국의 지상검증참조자료 등 총 138개 지상 관측자료를 이용하여 검증을 수행하였다. 2012년 MODIS 지면피복 분류자료의 정확도는 약 68%이었으나 본 연구에서 재분류한 지면피복자료의 정확도는 약 74%로 나타나 일부 화소들에서 분류 정확도가 개선되었다.

• 대한원격탐사학회지
• /
• 제37권5_1호
• /
• pp.871-884
• /
• 2021

본 연구의 목적은 항공 및 위성영상을 활용한 토지피복 관련 인공지능 학습 데이터를 구축, 검증 및 알고리즘 적용의 효율화 방안을 연구하였다. 이를 위하여 토지피복 8개 항목에 대하여 고해상도의 항공영상 및 Sentinel-2 인공위성에서 얻은 이미지를 사용하여 0.51 m 및 10 m Multi-resolution 데이터셋을 구축하였다. 또한, 학습 데이터의 구성은 Fine data (총 17,000개) 와 Coarse data (총 33,000개)를 동시 구축 및 정밀한 변화 탐지 및 대규모 학습 데이터셋 구축이라는 2가지 목적을 달성하였다. 학습 데이터의 정확도를 위한 검수는 정제 데이터, 어노테이션 및 샘플링으로 3단계로 진행하였다. 최종적으로 검수가 완료된 학습데이터를 Semantic Segmentation 알고리즘 중 U-Net, DeeplabV3+에 적용하여, 결과를 분석하였다. 분석결과 항공영상 기반의 토지피복 평균 정확도는 U- Net 77.8%, Deeplab V3+ 76.3% 및 위성영상 기반의 토지피복에 대한 평균 정확도는 U-Net 91.4%, Deeplab V3+ 85.8%이다. 본 연구를 통하여 구축된 고해상도 항공영상 및 위성영상을 이용한 토지피복 인공지능 학습 데이터셋은 토지피복 변화 및 분류에 도움이 되는 참조자료로 활용이 가능하다. 향후 우리나라 전체를 대상으로 인공지능 학습 데이터셋 구축 시, 토지피복을 연구하는 다양한 인공지능 분야에 활용될 것으로 기대된다.

• 대기
• /
• 제21권4호
• /
• pp.373-389
• /
• 2011

This research focuses on the sensitivity of the WRF(Weather Research and Forecasting) Model according to three different land cover data(USGS(United States Geological Survey), MODIS(Moderate Resolution Imaging Spectroradiometer)30s+USGS, and KLC (Korea Land Cover)) for an event of sea breeze, occurred over the Gangwon Yeongdong region on 13 May 2009. Based on the observation, the easterly into Gangneung, due to the sea-breeze circulation, was identified between 1000 LST and 1640 LST. It did not reach beyond the Taebaek Mountain Range and thus the easterly was not observed near Daegwallyeong. On the other hand, the numerical simulations utilizing land cover data of USGS, MODIS30s+USGS, and KLC showed easterlies beyond the Taebaek Mountain Range up to Daegwallyeong. In addition, rather different penetration distances of each easterly, and different timings of beginning and ending of sea breeze were identified among the simulations. The Bias, MAE(Mean Absolute Error) and RMSE(Root Mean Square Error) of the wind from WRF simulation using MODIS30s+USGS land cover data were the least among the simulations particularly over Gangwon Yeongdong coastal area(Sokcho, Gangneung and Donghae), while those of the wind over the Gangwon Mountain area(Daegwallyeong and Jinbu) from the simulation using KLC land cover data were the least among them. The wind field over Gangwon Yeongdong coastal area from the simulation using USGS land cover data was rather poor among them.

• 한국지구과학회지
• /
• 제23권1호
• /
• pp.1-14
• /
• 2002

The land-cover of two regions of South and North Korea included in one Landsat TM scene was investigated by comparing different seasons and different band data over the multiple land-cover types. The relationships between the intensities of two bands in the 2-D plot are mainly linear in band2 versus band1 and band3 versus band1, polygonal sporadic in band5 versus band1 and band7 versus band1, and almost tri-polarized in band4 versus band3. The 2-D plot of band4/band3 shows the best capability to discriminate different main land-cover such as water, vegetation and dry soil. Some discriminations are not clear between city and dry field, or mountain and plain field in the scene of September. The digital number data of band4 from vegetated zones show stronger reflectance in September rather than April, while other band values tend to be lager in April than in September over each land-cover. NDVI presents high value in both regions in September. However the image of Wonsan area in April suggests weak vigor of vegetation in comparison with Cholwon area. Band ratios are very effective in eliminating the influence of the complex topography. The proper pairing of the band ratio improved the discrimination capability of the land-cover; band5/band2 for dry soil, band4/band3 for vegetation and band1/band7 for the water. The RGB combination of the three band ratio pairs showed the best results in the discrimination of the land-cover of Wonsan, Cholwon and even the Demilitarized Zone.

• 한국수자원학회논문집
• /
• 제36권4호
• /
• pp.633-645
• /
• 2003

GIS기법과 원격탐사 기법은 수문학의 지형자료 구축과 응용 분야에 활발하게 이용되고 있으며 다방면에서 많은 연구가 진행 중이다. 본 연구에서는 산악지역에서 토양 특성과 토지 피복 상태에 따라 유출 특성이 어떻게 나타나는지를 CN값을 산정하여 평가 하였다. 토지 피복 분류에 신경망 기법을 사용하여 보다 적합한 분류 방법을 모색하고자 했고, CN값 산정을 위한 연산에 GIS기법출 사용하였다. 우선 샘플지역을 선정하여 토지 피복의 정확도를 평가하면, 기존의 최우도법(80.9%)과 신경망 기법(84.1%)에서 신경망 기법 분류 결과가 상대적으로 우수하므로 신경망 기법으로 토지 피복을 분류하였다. 그리고 SCS방법으로 토양도를 이용하여 AMC-II 조건하에서 CN값을 산정하면 수작업 토지이용도는 55, 신경망 분류 토지 피복도는 57로 비슷한 결과로 나타났다. 이를 토대로 전체 유역에 대해서 신경망 기법으로 분류한 토지 피복도를 사용하여 CN값을 산정하여 적용함으로써 타당성을 증명했다. 앞으로 신경망 기법을 이용한 토지 피복 분류와 GIS기법의 적용으로 보다 정확하고 신속한 CN값 산정이 가능할 것으로 사료된다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.507-519
• /
• 2023

Multi-temporal optical images have been utilized for time-series monitoring of croplands. However, the presence of clouds imposes limitations on image availability, often requiring a cloud removal procedure. This study assesses the applicability of various machine learning algorithms for effective cloud removal in optical imagery. We conducted comparative experiments by focusing on two key variables that significantly influence the predictive performance of machine learning algorithms: (1) land-cover types of training data and (2) temporal variability of land-cover types. Three machine learning algorithms, including Gaussian process regression (GPR), support vector machine (SVM), and random forest (RF), were employed for the experiments using simulated cloudy images in paddy fields of Gunsan. GPR and SVM exhibited superior prediction accuracy when the training data had the same land-cover types as the cloud region, and GPR showed the best stability with respect to sampling fluctuations. In addition, RF was the least affected by the land-cover types and temporal variations of training data. These results indicate that GPR is recommended when the land-cover type and spectral characteristics of the training data are the same as those of the cloud region. On the other hand, RF should be applied when it is difficult to obtain training data with the same land-cover types as the cloud region. Therefore, the land-cover types in cloud areas should be taken into account for extracting informative training data along with selecting the optimal machine learning algorithm.

• 대한공간정보학회지
• /
• 제16권1호
• /
• pp.33-41
• /
• 2008

특정 기간 사이의 토지의 변화들을 파악하는 것은 매우 중요하다. 그러나, 토지를 변화 시킬 수 있는 요소들은 많이 존재할 수 있기 때문에 그러한 요인들을 규명하기란 쉽지 않다. 따라서 본 연구에서는 이러한 토지 변화 요인들을 정량적으로 사용하여 시뮬레이션을 수행하고자 하였다. CLUE-S 모델을 이용하여 사용한 자료는 1987년 Landsat TM 영상과 2001년 Landsat ETM+ 영상이며, 1987년부터 2010년까지 23년 동안의 토지 이용도를 시뮬레이션 하였다. 그 결과, 2001년 영상의 감독 분류 결과와 시뮬레이션을 수행한 2001년 결과 사이의 정확도는 93.69%가 나왔으며, 이러한 결과를 통해 미래의 토지 피복 현황도를 예측할 수 있었다.

• 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.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 1999년도 Proceedings of International Symposium on Remote Sensing
• /
• pp.439-442
• /
• 1999

It is important to analyze the seasonal change profiles of land cover type in large scale for establishing preservation strategy and environmental monitoring. Because the NOAA-AVHRR data sets provide global data with high temporal resolution, it is suitable for the land cover classification of the large area. The objectives of this study were to classify land cover of Korea, to investigate the phenological profiles of land cover. The NOAA-AVHRR data from Jan. 1998 to Dec. 1998 were received by Korea Ocean Research & Development Institute(KORDI) and were used for this study. The NDVI data were produced from this data. And monthly maximum value composite data were made for reducing cloud effect and temporal classification. And the data were classified using the method of supervised classification. To label the land cover classes, they were classified again using generalized vegetation map and Landsat-TM classified image. And the profiles of each class was analyzed according to each month. Results of this study can be summarized as follows. First, it was verified that the use of vegetation map and TM classified map was available to obtain the temporal class labeling with NOAA-AVHRR. Second, phenological characteristics of plant communities of Korea using NOAA-AVHRR was identified. Third, NDVI of North Korea is lower on Summer than that of South Korea. And finally, Forest cover is higher than another cover types. Broadleaf forest is highest on may. Outline of covertype profiles was investigated.