• 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.

• 대한원격탐사학회지
• /
• 제27권4호
• /
• pp.445-455
• /
• 2011

이 논문은 분광 영상정보만으로 구분력이 상대적으로 떨어지는 분류 항목들의 분류 정확도 향상을 목적으로 기 존재하는 토지피복도로부터 계산된 시간 문맥 정보를 결합하는 확률론적 분류 방법론을 제안하였다. 기 존재하는 토지피복도와 고려하고 있는 시기의 훈련 집단으로부터 분류 항목간 전이 확률을 계산하여 이를 사전 확률로 간주하였다. 분광 영상정보로부터 얻어지는 조건부 확률을 사전 확률과 결합하여 최종적인 사후 확률을 계산하여 분류 항목을 결정하였다. 제안 기법은 기존 시간 문맥 정보를 결합할 때 많은 계산량을 요구하는 방법론들과 달리 확률론적 분류 방법에 쉽게 적용이 가능한 장점이 있다. 시계열 MODIS 자료를 이용한 농작물 분류 사례 연구를 수행하여, 제안 기법의 적용가능성을 검증하였다. MODIS 자료의 낮은 공간 해상도로 인한 혼재 효과로 분광 영상정보만으로 구분력이 떨어지는 분류 항목들은 시간 문맥 정보를 고려함으로써 상대적인 구분력이 향상되어 최종적으로 향상된 분류 정확도를 나타내었다. 따라서 제안 기법은 분류 정확도의 향상과 더불어 기제작된 토지피복도의 갱신에도 효과적으로 이용될 수 있을 것으로 기대된다.

• 환경영향평가
• /
• 제26권6호
• /
• pp.385-403
• /
• 2017

본 연구는 국내 생태분야 리스크 평가 및 적응대책 수립의 공간적 기준이 될 수 있는 생태계 유형분류방안 검토를 목적으로 하였다. 이를 위해, 생태분야 기후변화 리스크 평가와 적응대책의 특징, 국내외 리스크 평가에서 적용하는 생태계/서식지 유형분류 현황 및 관련 데이터를 조사하였다. 영국을 비롯하여 유럽 등지에서 일반적으로 생물종다양성 및 생태계서비스 평가를 위한 공간정보DB로 토지피복분류가 널리 활용되고 있음에 착안하여, 국내 토지피복분류의 적용성을 정량적으로 검토하였다. 그 결과, 기후변화 리스크 평가 및 적응대책 수립을 위한 생태계 유형분류 시 현재 국내 대분류 토지피복 체계만으로는 분류군별 서식 경향성을 거의 알 수 없기에 대분류를 그대로 적용하는 것은 한계가 있을 것으로 생각된다. 우리나라 국토 피복 전반을 차지하는 산림 생태계(62.3%) 및 농경지 생태계(25.0%) 유형의 세분화와 함께, 국토대비 면적은 작지만 다양한 분류군이 서식하는 습지생태계(2.9%), 특수 분류군이 서식하는 연안(0.4%) 및 해양생태계(0.6%), 도시생태계(6.1%)에 대한 분류가 고려되어야 한다. 추후 산림, 농경지 피복분류에 있어 중분류 체계 이하의 세분화가 필요하며, 국토 대비 면적에 비해 분류군의 서식지 선호비율이 높은 내륙습지, 해양/해안 서식지, 도시와 자연생태계의 전이지역 등에 대한 반영 역시 필요할 것으로 생각된다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 1999년도 Proceedings of International Symposium on Remote Sensing
• /
• pp.48-53
• /
• 1999

The paper presents an automated method for generating fuzzy rules and fuzzy membership functions for pattern classification from training sets of examples and an application to the land-cover classification. Initially, fuzzy subspaces are created from the partitions formed by the minimum and maximum of individual feature values of each class. The initial membership functions are determined according to the generated fuzzy partitions. The fuzzy subspaces are further iteratively partitioned if the user-specified classification performance has not been archived on the training set. Our classifier was trained and tested on patterns consisting of the DN of each band, (XS1, XS2, XS3), extracted from KITSAT-3 multispectral scene. The result represents that our classification method has higher generalization power.

• ETRI Journal
• /
• 제21권4호
• /
• pp.41-51
• /
• 1999

This research is an attempt to obtain more accurate land cover information from LANDSAT images. Canonical correlation analysis, which has not been widely used in the image classification community, was applied to the classification of a LANDSAT images. It was found that it is easy to select training areas on the classification using canonical correlation analysis in comparison with the maximum likelihood classifier of $ERDAS^{(R)}$ software. In other words, the selected positions of training areas hardly affect the classification results using canonical correlation analysis. when the same training areas are used, the mapping accuracy of the canonical correlation classification results compared with the ground truth data is not lower than that of the maximum likelihood classifier. The kappa analysis for the canonical correlation classifier and the maximum likelihood classifier showed that the two methods are alike in classification accuracy. However, the canonical correlation classifier has better points than the maximum likelihood classifier in classification characteristics. Therefore, the classification using canonical correlation analysis applied in this research is effective for the extraction of land cover information from LANDSAT images and will be able to be put to practical use.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2006년도 Proceedings of ISRS 2006 PORSEC Volume II
• /
• pp.647-650
• /
• 2006

Compact Airborne Spectrographic Imager (CASI) hyperspectral imagery was acquired over the Little Miami River Watershed (1756 square miles) in Ohio, U.S.A., which is one of the largest hyperspectral image acquisition. For the development of a 4m-resolution land cover dataset, a hierarchical approach was employed using two different classification algorithms: 'Image Object Segmentation' for level-1 and 'Spectral Angle Mapper' for level-2. This classification scheme was developed to overcome the spectral inseparability of urban and rural features and to deal with radiometric distortions due to cross-track illumination. The land cover class members were lentic, lotic, forest, corn, soybean, wheat, dry herbaceous, grass, urban barren, rural barren, urban/built, and unclassified. The final phase of processing was completed after an extensive Quality Assurance and Quality Control (QA/QC) phase. With respect to the eleven land cover class members, the overall accuracy with a total of 902 reference points was 83.9% at 4m resolution. The dataset is available for public research, and applications of this product will represent an improvement over more commonly utilized data of coarser spatial resolution such as National Land Cover Data (NLCD).

• 대한원격탐사학회지
• /
• 제20권4호
• /
• pp.253-259
• /
• 2004

본 연구의 목적은 다양한 공간해상도의 위성영상(Landsat + ETM, KOMPSAT-1 EOC, ASTER VNIR, IKONOS 전정색 및 다중분광)을 비교하여 각 영상에서의 농업관련 정보의 분류기준을 파악하고자 하였다 여기서 농업관련 정보는 식별이 가능한 농업지역, 작물형태, 농업시설과 구조물을 대상으로 하였다. 그 결과는 국토지리정보원과 환경부의 분류기준과 비교하였으며, 본 연구에서 설정한 농업관련정보의 기준을 IKONOS 영상에 적용하여 농업관련 토지피복도를 작성하였다. IKONOS 영상에 대하여 분석된 결과는 KOMPSAT-2의 농업분야 활용에 적용될 것이다.

• 한국농공학회논문집
• /
• 제49권5호
• /
• pp.67-77
• /
• 2007

The images of MODerate resolution Imaging Spectroradiometer (MODIS) that provide wider swath and shorter revisit frequency than Land Satellite (Landsat) and Satellite Pour I' Observation de la Terre (SPOT) has been used fer land cover classification with better spatial resolution than National Oceanic and Atmosphere Administration/Advanced Very High Resolution Radiometer (NOAA/AVHRR)'s images. Due to the advantages of MODIS, several researches have conducted, however the results for the land cover classification using MODIS images have less accuracy of classification in small areas because of low spatial resolution. In this study, uncertainty of paddy fields classification using MODIS images was conducted in the region of Gyeonggi-do and the relation between this uncertainty of estimating paddy fields and topographical factors was also explained. The accuracy of classified paddy fields was compared with the land cover map of Environmental Geographic Information System (EGIS) in 2001 classified using Landsat images. Uncertainty of paddy fields classification was analyzed about the elevation and slope from the 30m resolution Digital Elevation Model (DEM) provided in EGIS. As a result of paddy classification, user's accuracy was about 41.5% and producer's accuracy was 57.6%. About 59% extracted paddy fields represented over 50 uncertainty in one hundred scale and about 18% extracted paddy fields showed 100 uncertainty. It is considered that several land covers mixed in a MODIS pixel influenced on extracted results and most classified paddy fields were distributed through elevation I, II and slope A region.

• 한국GIS학회:학술대회논문집
• /
• 한국GIS학회 2004년도 GIS/RS 공동 춘계학술대회 논문집
• /
• pp.261-265
• /
• 2004

The purpose of this study is to present a standardized scheme for providing agriculture-related information at various spatial resolutions of satellite images including Landsat＋ETM, KOMPSAT-1 EOC, ASTER VNIR, and IKONOS panchromatic and multi-spectral images. The satellite images were interpreted especially for identifying agricultural areas, crop types, agricultural facilities and structures. The results were compared with the land cover/land use classification system suggested by Ministry of Construction & Transportation based on NGIS (National Geographic Information System) and Ministry of Environment based on satellite remote sensing data. As a result, high-resolution agricultural land cover map from IKONOS imageries was made out. The results by IKONOS image will be provided to KOMPSAT-2 project for agricultural application.

• 대한원격탐사학회지
• /
• 제23권5호
• /
• pp.483-491
• /
• 2007

One of the major obstacles to classify and validate Land Cover maps is the high cost of acquiring reference data. In case of inaccessible areas such as North Korea, the high resolution satellite imagery may be used for reference data. The objective of this paper is to investigate the possibility of utilizing QuickBird high resolution imagery of North Korea that can be obtained from Google Earth data via internet for reference data of land cover classification. Monthly MODIS NDVI data of nine months from the summer of 2004 were classified into L=54 cluster using ISODATA algorithm, and these L clusters were assigned to 7 classes - coniferous forest, deciduous forest, mixed forest, paddy field, dry field, water, and built-up areas - by careful use of reference data obtained through visual interpretation of the high resolution imagery. The overall accuracy and Kappa index were 85.98% and 0.82, respectively, which represents about 10% point increase of classification accuracy than our previous study based on GCP point data around North Korea. Thus we can conclude that Google Earth may be used to substitute the traditional reference data collection on the site where the accessibility is severely limited.