Abstract
A hierarchical classification scheme, which can reduce the spectral ambiguity and also reflect crop cultivation patterns from past land-cover maps, is presented for the purpose of the early production of crop classification maps in large-scale crop areas. Specifically, the effects of mixed pixels are minimized not only by applying a hierarchical classification approach based on different spectral characteristics from crop growth cycles, but also by considering temporal contextual information derived from past crop cultivation patterns. The applicability of the presented classification scheme was evaluated by a case study of Iowa State in USA with time-series MODIS 250 m Normalized Difference Vegetation Index(NDVI) data sets and past Cropland Data Layers(CDLs). Corn and soybean, which are major crop types in the study area and also display spectral similarity, could be properly classified by applying different classification stages and accounting for past crop cultivation patterns. The classification result by the presented scheme showed increases of minimum 7.68%p and maximum 20.96%p in overall accuracy, compared with one based on purely spectral information. In addition, the combination of temporal contextual information during classification was less affected by the number of NDVI data sets and the best overall accuracy of 86.63% was achieved. Thus, it is expected that this classification scheme can be effectively used for the early production of large-area crop classification maps in major feed-grain importing countries.
이 논문에서는 대규모 작물 재배 지역의 작물 분류도의 조기 제작을 목적으로 분광학적 혼재를 줄이고, 과거 토지피복도의 작물 재배 패턴을 반영할 수 있는 계층적 분류 방법론을 제안하였다. 특히 작물 생육 주기로부터 다른 분광 특성을 고려한 계층적 분류 접근을 적용하고, 과거 작물 재배 패턴으로부터 추출된 시간적 문맥 정보를 함께 고려함으로써 분광 혼재가 두드러진 화소의 영향을 줄일 수 있다. 제안 분류 기법의 적용성을 평가하기 위해 미국 아이오와 주 전체를 대상으로 시계열 MODIS 250 m 정규식생지수 자료와 과거 crop data layer를 사용하는 사례 연구를 수행하였다. 사례 연구를 통해 다른 분류 단계와 과거 작물 재배 패턴을 고려함으로써 대상 지역의 주요 재배 작물이면서 분광학적 유사도가 두드러진 콩과 옥수수를 효과적으로 구분할 수 있었다. 그리고 분광 정보만을 이용한 분류 결과에 비해 제안 기법이 최소 7.68%p에서 최대 20.96%p의 향상된 분류 정확도를 보였다. 또한 분류 단계에서 시간적 문맥 정보를 결합함으로써 사용 NDVI 자료의 수에 영향을 덜 받는 가장 높은 분류 정확도(최대 전체 정확도: 86.63%)를 얻을 수 있었다. 따라서 제안 분류 기법은 주요 곡물 수입국의 대규모 작물 구분도의 조기 제작에 유용하게 사용될 수 있을 것으로 기대된다.
