• 한국지역사회생활과학회지
• /
• 제21권4호
• /
• pp.619-631
• /
• 2010

The purpose of this study is to segment and examine urban farmers behavior by applying a two-step cluster analysis and multi-nominal logit model. The data were collected by a telephone survey with two-staged stratified random sampling in the cities around the country for the purpose of acquiring representative data. Respondents were asked to describe their awareness of urban agriculture, their agricultural activity, and sociodemographic characteristics. Among 2,000 cases, 381 cases(19.1%) which were of participants in urban agriculture were analysed in SPSS. From the findings, 27.3% of respondents had heard the word 'urban agriculture', and 25.5% of them regarded themselves as urban farmers. Four different clusters were derived from two-step clusters based on motive, place, companion, area and hours. They were 'Large scale hobby farming(cluster 1)', ‘Weekend farm/ hobby farming(cluster 2)', 'Land/ Self-supporting farming(cluster 3)', and 'Small scale hobby farming(cluster 4)'. The result of multinomial logistic regression showed that there were significant differences among these four segmented groups in terms of age, city size and housing type. In other words, there is quite a possibility that urbanites select different urban farming types according to their socio-demographic profiles. Therefore, the urbanite profiles can be used as the basis for promoting policy of several urban agriculture types. According to the result, policy directions for facilitating urban agriculture were presented.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.204-206
• /
• 2003

In order to utilize remote sensed images effectively, a lot of image classification methods are suggested for many years. But, the accuracy of traditional methods based on pixel-based classification is not high in general. In this study, object oriented classification based on image segmentation is used to classify Landsat images. A necessary prerequisite for object oriented image classification is successful image segmentation. Object oriented image classification, which is based on fuzzy logic, allows the integration of a broad spectrum of different object features, such as spectral values , shape and texture. Landsat images are divided into urban, agriculture, forest, grassland, wetland, barren and water in sochon-gun, Chungcheongnam-do using object oriented classification algorithms in this paper. Preliminary results will help to perform an automatic image classification in the future.

• 한국지리정보학회지
• /
• 제17권2호
• /
• pp.121-135
• /
• 2014

최근 픽셀기반분류보다 더 많은 정보를 이용할 수 있는 객체기반에 대한 연구가 활발히 진행 중이다. 따라서, 본 연구는 인제군 Demilitarized Zone(DMZ)지역 일원을 대상으로 객체기반 분류기법을 이용한 토지피복분류를 실시하였다. 분류항목은 환경부 기준의 대분류 항목 7개, 중분류 항목 13개로 선정하였고, 사용된 인자는 분광 값의 평균과 표준편차, Grey Level Co-occurrence Matrix(GLCM)의 Homogeneity를 사용하여 감독분류방법 중 최근린기법을 이용하여 계층적 토지피복도를 구축하였다. 구축된 토지피복도를 이용하여 남방한계선으로부터의 거리와 Digital elevation model(DEM)을 통해 지형특성에 따른 분류항목 별 분포 특성을 분석하였다. 객체기반 분류를 위한 최적 가중치는 Scale 72, Shape 0.2. Color 0.8, Compactness 0.5, Smoothness 0.5로 선정하였고, 가중치 선정과정에서 Scale, Shape, Color가 가장 많은 영향을 주었다. 대분류 토지피복분류는 산림, 초지, 시가지의 순으로 각각 약 92%, 약 5%, 약 2%였으며, 중분류 토지피복분류는 활엽수림, 혼효림, 침엽수림의 순으로 각각 약 44%, 약 42%, 약 6% 순으로 분포하였다. 토지피복형태에 따른 분포특성을 보면, 남방한계선으로부터 2km이내의 지역에서 공공시설 지역과 도로의 이용이 높았으며, 남방한계선 6km이상의 지역에서는 논과 밭, 나지의 형태가 많았다. 산림은 표고 600m, 경사 $30^{\circ}$이상의 지역에서는 면적분포가 높았고, 농업지역과 나지, 초지는 표고 600m, 경사 $30^{\circ}$이하의 지역에서 면적분포가 높았다.

• 대한원격탐사학회지
• /
• 제38권5_1호
• /
• pp.597-608
• /
• 2022

원격탐사 자료는 재난, 농업, 도시계획 및 군사 등 다양한 분야에서 활용되며, 최근 다양한 고해상도 센서에서 취득된 시계열 자료의 활용에 대한 요구가 증대되고 있다. 본 연구에서는 시계열 원격탐사 자료의 활용을 위해 딥러닝 기법을 이용한 영상 매칭 방법을 제안하였다. 본 연구에서 적용한 딥러닝 모델은 영상분할 영역에서 많이 사용되고 있는 HRNet을 기반으로 하였다. 특히, 기본영상과 목표영상 간 상관도 맵을 효과적으로 계산하고, 학습의 효율을 높이기 위하여 denseblock을 추가하였다. 국토지리정보원의 다시기 항공정사영상을 이용하여 제안된 모델의 학습을 수행하였으며, 학습에 사용하지 않은 자료를 이용하여 평가를 하고자 하였다. 딥러닝 모델을 이용한 영상매칭 성능을 평가하기 위해 영상 매칭결과와의 비교평가를 수행하였다. 실험 결과, 제안기법을 통한 영상 매칭률이 80%일 때의 평균 오차는 3화소로 ZNCC에 의한 결과인 25화소에 비해 더 높은 정확도를 보였다. 제안된 기법은 식생의 생장에 따라 영상의 변화가 심한 산지 및 농지 지역에 대해서도 효과적임을 확인하였다. 이를 통해 딥러닝을 이용한 기준영상과 목표영상의 매칭을 수행할 수 있을 것으로 판단되며, 위성영상의 상호좌표등록 및 다시기 영상의 정합 등에 활용할 수 있을 것으로 예상된다.