Korean Journal of Remote Sensing (대한원격탐사학회지)

Korean Society of Remote Sensing (대한원격탐사학회)
권호 표지
DOI QR코드

DOI QR Code

Hotspot Detection for Land Cover Changes Using Spatial Statistical Methods

공간통계기법을 이용한 토지피복변화의 핫스팟 탐지

  • Lee, Jeong-Hun (Department of Spatial Information Engineering, Pukyong National University) ;
  • Kim, Sang-Il (Department of Spatial Information Engineering, Pukyong National University) ;
  • Han, Kyung-Soo (Department of Spatial Information Engineering, Pukyong National University) ;
  • Lee, Yang-Won (Department of Spatial Information Engineering, Pukyong National University)
  • 이정훈 (부경대학교 공간정보시스템공학과) ;
  • 김상일 (부경대학교 공간정보시스템공학과) ;
  • 한경수 (부경대학교 공간정보시스템공학과) ;
  • 이양원 (부경대학교 공간정보시스템공학과)
  • Received : 2011.09.17
  • Accepted : 2011.10.05
  • Published : 2011.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

Land cover changes are occurring for a variety of reasons such as urbanization, infrastructure construction, desertification, drought, flood, and so on. Many researchers have studied the cause and effect of land cover changes, and also the methods for change detection. However, most of the detection methods are based on the dichotomy of "change" and "not change" according a threshold value. In this paper, we present a change detection method with the integration of probability, spatial autocorrelation, and hotspot detection. We used the AMOEBA (A Multidirectional Ecotope-Based Algorithm) and developed the AMOEBA-CH (core hotspot) because the original algorithm tends to produce too many clusters. Our method considers the probability of land cover changes and the spatial interactions between each pixel and its neighboring pixels using a local spatial autocorrelation measure. The core hotspots of land cover changes can be delineated by a contiguity-dominance model of our AMOEBA-CH method. We tested our algorithm in a simulation for land cover changes using NDVI (Normalized Difference Vegetation Index) data in South Korea between 2000 and 2008.

최근 인구집중으로 인한 도시개발 및 사회기반 시설의 확충 등의 인위적 현상과 지구온난화 및 가뭄, 홍수, 산불 등 자연적 현상 등 다양한 요인으로 인해 토지피복 변화가 발생하고 있다. 이러한 토지피복변화의 원인과 영향, 그리고 탐지방법에 대한 다양한 연구가 진행되고 있는데, 기존 연구들은 대부분 주어진 임계치를 기준으로 '변화' 또는 '무변화'의 양분된 결과를 도출한다. 따라서 본 연구에서는 확률에 기초하여 공간자기상관과 핫스팟 탐지를 결합한 변화탐지 방법을 제시하고자 한다. 또한 기존의 핫스팟 탐지 알고리즘인 AMOEBA(A Multidirectional Optimal Ecotope-Based Algorithm)에서 나타나는 과다탐지의 경향을 개선하여 핵심적인 토지피복 변화의 핫스팟을 탐지하는 AMOEBA-CH(core hotspot)를 개발 및 적용하였다. 본 연구에서는 토지피복 변화의 확률과 공간자기상관에 기초한 픽셀 간의 공간적 상호작용을 고려하였으며, AMOEBA-CH의 인접-우세 모형을 통해 토지피복 변화의 핵심적인 핫스팟을 탐지하고자 한다. 본 연구에서 제시한 방법의 가용성을 테스트하기 위해 남한지역의 2000년과 2008년의 NDVI자료를 이용하여 토지피복 변화의 핫스팟 탐지를 수행하였다.

Keywords

References

  1. 박준규, 2010. Landsat 영상을 이용한 식생의 변화탐지-대전광역시를 중심으로, 한국측량학회지, 28(2):239-246.
  2. 염종민, 한경수, 김영섭, 2006. 정규식생지수(NDVI) 산출시 발생하는 노이즈 제거에 관한 연구, 대한원격탐사학회 2006년도 춘계학술대회 논문집, 113-116.
  3. 이상일, 조대헌, 손학기, 채미옥, 2010. 공간 클러스터의 범역 설정을 위한 GIS-기반 방법론 연구: 수정 AMOEBA 기법, 대한지리학회지, 45(4): 502-520.
  4. Aldstadt, J. and A. Getis, 2006. Using AMOEBA to create a spatial weights matrix and identify spatial clusters, Geographical Analysis, 38(4): 327-343. https://doi.org/10.1111/j.1538-4632.2006.00689.x
  5. Bayarsaikhan, U., B. Boldgiv, K.R. Kim, K.A. Park, and D. Lee, 2009. Change detection and classification of land cover at Hustai National Park in Mongolia, International Journal of Applied Earth Observation and Geoinformation, 11(4): 273-280. https://doi.org/10.1016/j.jag.2009.03.004
  6. Chen, J., P. Jonsson, and M. Tamura, 2004. A simple method for reconstructing a highquality NDVI time-series data set based on the Savitzky-Golay filter, Remote Sensing of Environment, 91(3-4): 332-344. https://doi.org/10.1016/j.rse.2004.03.014
  7. Du, P., X. Li, W. Cao, Y. Luo, and H. Zhang, 2010. Monitoring urban land cover and vegetation change by multi-temporal remote sensing information, Mining Science and Technology, 20(6): 922-932. https://doi.org/10.1016/S1674-5264(09)60308-2
  8. Eidenshink, J.C. and J.L. Faundeen, 1994, The 1 km AVHRR global land data set: first stages in implementation, International Journal of Remote Sensing, 15(17): 3443-3462. https://doi.org/10.1080/01431169408954339
  9. Jakubauskas, M.E., D.R. Legates, and J.H. Kastens, 2002. Crop identification using harmonic analysis of time-series AVHRR NDVI data, Computers and Electronics in Agriculture, 37(1-3): 127-139. https://doi.org/10.1016/S0168-1699(02)00116-3
  10. Lunetta, R.S., J.F. Knight, E. Jayantha, J.G. Lyon, and L.D. Worthy, 2006. Land cover change detection using multi-temporal MODIS NDVI data, Remote Sensing of Environment, 105(2): 142-154. https://doi.org/10.1016/j.rse.2006.06.018
  11. Getis, A. and J.K. Ord, 1992. The analysis of spatial association by use of distance statistics, Geographical Analysis, 24(3): 186-206.
  12. Griffith, D.A., 2009. Spatial Autocorrelation, International Encyclopedia of Human Geography, 308-316.
  13. Ha, S., B. Ahn, and S. Park, 2002. Change detection of land-cover from multi-temporal KOMPSAT-1 EOC imageries, Korean Journal of Remote Sensing, 18(1): 13-23. https://doi.org/10.7780/kjrs.2002.18.1.13
  14. Roerink, G.J., M. Menenti, and W. Verhoef, 2000. Reconstructing cloudfree NDVI composites using Fourier analysis of time series, International Journal of Remote Sensing, 21(9): 1911-1917. https://doi.org/10.1080/014311600209814
  15. Shahraki, S.Z., D. Sauri, P. Serra, and S. Modugno, 2011. Urban sprawl pattern and land-use change detection in Yazd, Iran, Habitat International, 35(4): 521-528. https://doi.org/10.1016/j.habitatint.2011.02.004
  16. Singh, A., 1989. Digital change detection techniques using remotely sensed data, International Journal of Remote Sensing, 10(6): 989-1003. https://doi.org/10.1080/01431168908903939
  17. Tobler, W., 1970. A computer movie simulating urban growth in the Detroit region, Economic Geography, 46(2): 234-240. https://doi.org/10.2307/143141

Cited by

  1. A Cluster Analysis for Housing Submarkets Considering Spatial Autocorrelation vol.24, pp.2, 2016, https://doi.org/10.7319/kogsis.2016.24.2.063
  2. Spatial Pattern and Factor Analyses for Forest Sustainable Development Goals within South Korea’s Civilian Control Zone vol.10, pp.10, 2018, https://doi.org/10.3390/su10103500
  3. 연안거주민에 대한 재해대응능력 평가 연구 vol.26, pp.5, 2011, https://doi.org/10.13000/jfmse.2014.26.5.979
  4. 원격탐사와 공간통계 기법을 이용한 토지피복 분류 및 패턴 분석 - 강원도 DMZ일원을 대상으로 - vol.18, pp.4, 2015, https://doi.org/10.11108/kagis.2015.18.4.100