• 한국측량학회지
• /
• 제24권1호
• /
• pp.139-145
• /
• 2006

라이다 데이터는 데이터 취득시간과 처리시간이 짧으며 높은 점밀도와 정확도를 가지고 있다. 그러나 광학영상과는 달리 3차원 형태의 비정규 점군의 형태이기 때문에 지표면에 대한 정확한 분류가 어렵다. 본 연구에서는 라이다 데이터와 광학영상을 동시에 이용해서 감독분류 기법을 통해 토지피복분류를 수행하였다. 먼저 라이다 데이터로부터 격자 크기가 1m인 DSM 영상과 DEM 영상을 제작하고 이를 이용하여 nDSM 영상을 제작하였다. 또한 라이다 데이터의 인텐서티(intensity) 정보를 이용해서 인텐서티 영상을 제작하였다. 광학영상의 입력데이터는 CCD 영상의 적색, 청색, 녹색 파장영역과 IKONOS 영상의 근적외선 파장영역이다. 그리고 CCD 영상의 적생광 파장영역을 이용해서 제작한 식생지수 영상이다. 광학영상과 라이다 데이터를 동시에 이용해서 토지피복 분류를 수행한 결과 74%의 분류 정확도를 얻을 수 있었다. 추가적으로 그림자 지역의 재분류, 수계지역의 처리 그리고 숲과 건물의 오분류 수정 과정을 수행하여 최종적으로 81.8%의 분류 정확도를 얻을 수 있었다.

• 대한공간정보학회지
• /
• 제7권1호
• /
• pp.87-95
• /
• 1999

본 연구에서는 고 해상력의 IRS-1C PAN 데이터와 다중 관측파장대를 갖고 있는 Landsat TM 데이터를 PCA(principal component analysis) 기법으로 중합하고, 중합화상을 이용하여 토지이용분류를 수행, TM 원화상과 분류정확도를 비교 분석하고자 하였다. 분류결과를 평가하기 위해서 10개의 분류항목으로 구성된 sample data를 생성시켰으며, 생성된 sample data의 전체정확도(overall accuracy)로서 분류결과를 평가하였다. 그 결과 여러 밴드를 사용할 수 있다는 이점을 가진 PCA기법으로 Landsat TM 데이터와 IRS-1C PAN 데이터를 중합하여 토지이용분류를 수행할 경우, IRS-1C PAN데이터와 TM13457의 중합화상에서 95.1%로 분류정확도가 가장 높았으며, 특히 TM123457 또는 TM 13457의 중합화상의 경우 TM원화상보다 분류정확도가 가장 크게 향상(6.2%)되었다. 또한 토지이용분류에 있어서 중합칼라합성화상이 TM 원화상 보다 전체적으로 약 5.16%의 정확도 향상을 가져왔다.

• 대한공간정보학회지
• /
• 제22권3호
• /
• pp.155-160
• /
• 2014

본 논문에서는 각기 다른 3가지 해상도로 촬영된 항공 초분광영상을 이용하여 건물, 도로, 산림 등 8가지 분류군에 대해 토지피복분류를 실시하고 정확도를 비교하는 연구를 수행하였다. 연구는 24밴드(0.5m 공간해상도), 48밴드(1.0m 공간해상도), 96밴드(1.5m 공간해상도)로 각각 1000m, 2000m, 3000m고도에서 촬영된 초분광영상을 이용하여 8가지 클래스에 대해 토지피복분류를 수행하였다. 그 결과 2000m고도에서 촬영된 48밴드 초분광영상을 이용하여 분류한 영상이 가장 높은 분류정확도를 보였고, 24밴드, 96밴드 순으로 분류정확도가 높게 나타났다. 초분광영상 활용에 있어서 1m 공간해상도에 48개밴드를 사용하여 토지피복분류를 수행함에 있어 적합함을 확인하였고 항공 초분광영상을 활용한 주제도 제작과 관련하여 정확도와 실용성 면에서 공간정보 품질이 개선될 것으로 기대한다.

• 대한공간정보학회지
• /
• 제20권3호
• /
• pp.65-71
• /
• 2012

최근 고해상도 위성영상은 자연자원이나 환경 관리에 필요로 하는 토지 피복 및 이용 현황자료 등에 유용하게 사용되고 있는 실정이다. 이에 따라 고액의 투자가 필요로 하는 위성영상의 효율성을 높이기 위하여 영상자료의 분석과정이 중요해지고 있다. 따라서 본 연구에서는 전처리 과정 중 연구대상에 대한 통계값에 대한 계산 및 분석을 수행하였으며, 전통적인 분류 기법인 최대우도 분류 외에도 인공신경망 분류와 SVM 분류에 대하여 설명하고 고해상도 위성영상인 IKONOS영상에 각 분류기법을 적용하여 토지피복분류를 하였으며, 각각의 결과를 오차 행렬을 통해 정확도 분석을 수행하였다. 그 결과 다른 분류 기법에 비해 Support Vector Machines(SVM) 분류 기법이 전체 정확도가 약 86%정도로 가장 우위의 결과물을 도출하였다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2006년도 춘계학술대회 논문집
• /
• pp.303-306
• /
• 2006

이 연구에서는 C 밴드 SAR 자료이면서 서로 다른 편광 상태의 자료를 제공할 수 있는 다중 시기 Radarsat-1 자료와 ENVISAT ASAR 자료를 이용한 토지 피복 분류를 수행하였다. 다중 시기/편광 자료로부터 평균 후방산란계수, 시간적 변이도, 긴밀도 등의 특징을 기본적으로 추출하였고, 이외에 상호 비교를 위해 주성분 분석을 이용한 특징 추출을 시도하였다. 특징들을 이용한 분류기법으로는 Random Forests를 적용하였다. 충남 예당평야 일대를 대상으로 사례연구를 수행한 결과, 주성분 분석을 통한 특징과 다편광 자료를 이용하였을 때 분류 정확도가 향상되는 것으로 나타났다.

• Spatial Information Research
• /
• 제22권1호
• /
• pp.27-33
• /
• 2014

SAR 영상은 관측시간과 기상현상 등의 외부 환경 영향을 받지 않고 수시로 데이터 취득이 가능하며 광학영상보다 광범위한 관측 영역을 포함하기 때문에 레이더간섭기법 (InSAR)을 이용한 토지피복분류 기법은 큰 이점을 갖는다. 본 연구에서는 L밴드 ALOS PALSAR의 후방산란계수와 긴밀도를 이용한 새로운 토지피복분류 기법을 개발하고 최근 화산 폭발 가능성으로 인해 주목받고 있는 백두산 지역에 시험 적용하였다. 새로운 토지피복분류 체계는 ALOS PALSAR의 HH, HV편광 모드의 영상을 InSAR 시계열 상에서 패킷의 형태로 재구성하고 주성분 분석을 도입하여 분류의 신뢰도 향상을 시도하였다. 또한 MODIS 등 광학 영상 기반 분류와 상호 검증하여 정확도를 확인하였다.

• 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.

• 한국측량학회지
• /
• 제16권2호
• /
• pp.187-194
• /
• 1998

본 연구에서는 높은 해상력의 IRS-1C PAN 데이터와 다양한 관측파장대를 갖고 있는 Landsat TM 데이터를 사용하여, 화상중합방법의 대표적 방법인 IHS방법으로 중합화상을 작성하고, IHS중합화상 및 원화상을 이용하여 토지이용분류를 수행하는데 있어서 어떤 칼라합성밴드가 유효한지를 밝히는데 그 목적이 있다. 분류결과를 평가하기 위해서 10개의 분류항목으로 구성된 sample data를 생성시켰으며, 생성된 sample data의 전체정확도(overall accuracy)로서 분류결과를 평가하였다. 그 결과 Landsat TM 데이터와 IRS-1C PAN데이터를 IHS방법으로 중합하여 토지이용분류를 수행할 경우, TM4, TM5 및 TM7의 적외선영역(infrared spectral region)의 밴드 중 2개 밴드를 포함시켜 분류를 수행하는 것이 좋았으며, 특히 TM 247 중합화상의 경우 분류정확도가 11.8%로 향상되어 가장 좋은 결과를 나타내었다. 또한 토지이용분류를 수행할 경우 3밴드를 중합하여 사용하는 경우보다 1% 원화상에 IRS-1C PAN화상을 추가하여 사용하는 경우의 정확도가 전체적으로 높았다.

• 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.

• 대한원격탐사학회지
• /
• 제32권2호
• /
• pp.105-118
• /
• 2016

본 연구는 현재 환경부에서 제공하는 토지피복지도 중 세분류 토지피복지도의 분류체계를 개선하기 위한 것이다. 이를 위하여 첫째, 해외 토지피복지도 분류 항목을 중점 검토하였다. 둘째, 기존 세분류 분류체계를 적용하여 구축된 항목 당 면적비율을 분석하였다. 셋째, 실제 세분류 토지피복지도를 사용하는 사용자(전문가 및 일반인)을 대상으로 분류체계 개선에 대하여 설문조사를 수행하였다. 넷째, 최종적으로 기존 41개 분류체계를 33개 항목으로 개선하는 분류체계를 설정하였다. 다섯째, 설정된 토지피복 분류항목을 시범 적용하였으며, 기존 분류체계와 개선안에 따른 토지피복 분류 결과를 비교하였다. 연구대상지는 시가화 지역, 농경지등 다양한 지표특성을 지니고, 지형지물이 비교적 골고루 분포되어 있는 고양시 일산 지역을 대상으로 하였다. 연구에 사용된 기본 영상은 국토지리정보원에서 촬영하고 있는 0.25 m 급 정사항공영상이며, 관련 참조자료는 수치지형도, 정밀 임상도, 지적도, 행정구역도 등을 사용하였다. 개선된 분류체계를 시범지역에 적용한 결과 문화체육 휴양시설이 $1.84km^2$으로 분류되었으며, 이는 기존 분류체계 면적대비 약 2배 이상 증가한 것이다. 기타 교통통신시설 및 교육행정시설 등은 분류되지 않았다. 본 연구결과는 향후 세분류 토지피복지지도 구축과 갱신의 효율성과 실질적인 사용자 수요를 반영하였다는데 의의가 있다.