• 대한원격탐사학회지
• /
• 제25권1호
• /
• pp.71-83
• /
• 2009

본 연구는 한반도 토지이용 및 토지피복 모니터링에 필요한 현존 자료의 특성과 활용 가능성을 분석하여 문제점을 파악하고 향후 한반도 전역의 국토모니터링을 위한 기술적 방안을 제시하고자 한다. 한반도 토지이용과 관련된 비 공간자료는 1911년부터 집계된 지적통계자료가 있다. 초기의 연도별 지적통계자료는 토지이용 변화의 추세를 가늠하는데 사용될 수 있지만, 분단 이후의 자료는 지목과 실제 토지이용 상태의 불일치로 토지 이용 모니터링에 직접적으로 사용하기에는 어려움이 있다. 한반도 토지 이용 및 토지 피복을 모니터링하기 위한 공간자료는 1970년대 이후 위성 영상자료를 이용하여 제작한 토지피복도가 주를 이루고 있다. 두 기관에서 독자적으로 제작된 서로 다른 시기의 북한 토지피복도를 이용하여 토지피복변화를 분석한 결과, 사용된 위성영상의 계절별 차이와 위성영상 분류과정에 적용된 분류등급과 분류방법의 불일치 등으로 직접 비교에 많은 어려움이 있었다. 지속적인 한반도 토지이용 및 토지피복 모니터 링을 위한 토지피복도 제작은 위성영상의 계절적 조건, 분류방법, 좌표등록 등에 호환성이 보장되도록 단일의 기준이 마련되어야 하며, 아울러 국제적인 토지피복 분류등급이나 정확도에서도 호환성을 갖추어야 한다.

• 한국지리정보학회지
• /
• 제18권4호
• /
• pp.100-118
• /
• 2015

본 연구는 위성영상을 이용하여 객체기반 토지피복 분류도를 구축하고 공간통계기법을 통하여 토지피복의 분류항목별 분포패턴을 파악하였다. 객체기반 분류는 분광정보, 질감정보, 분광정보와 질감정보의 조합에 의하여 각각의 토지피복 분류도를 구축하였으며, 정확도 평가를 통하여 최적의 토지피복 분류도를 선정하였다. 또한, 토지피복의 분류항목별 공간적 분포패턴을 파악하기 위하여 핫스팟 분석을 실시하여 정량화하였다. 객체기반 분류를 위한 최적의 가중치는 Scale 52, Shape 0.4, Color 0.6, Compactness 0.5, Smoothness 0.5로 선정하였다. 토지피복 분류도는 분광정보와 질감정보의 조합을 사용하였을 때, 전체 분류정확도가 가장 높았으며, 특히 밭과 시설재배지, 나지의 경우 분광정보만을 사용하였을 때 보다 정확도가 약 12% 이상 증가하였다. DMZ일원의 분류항목별 면적비율은 산림 > 논 > 교통시설 > 초지 > 밭 > 나지 > 건물 > 수역 > 시설재배지 순으로 높았으며, 특히, 양구군의 밭과 교통시설은 민간인통제선 이북지역, 철원군의 밭, 인제군의 산림과 교통시설은 민간인통제선 이남지역에서 주로 분포하는 것으로 나타났다. 분류항목별 분포 패턴의 경우, 농업과 관련된 논, 밭, 시설재배지의 핫스팟(hot spot)은 철원군의 평야 지역과 양구군의 분지 지역에 집중 분포하였다. 나지, 수역, 건물, 도로의 핫스팟 지역은 농업과 관련된 핫스팟 지역과 분포 패턴이 유사한 반면, 산림과 초지의 핫스팟 지역과는 분포 패턴이 상이하였다.

• 대한원격탐사학회지
• /
• 제23권2호
• /
• pp.89-101
• /
• 2007

이 논문에서는 토지 피복분류를 목적으로 C 밴드와 L 밴드 다중 편광 자료의 결정 수준 융합을 수행하여 융합 효과를 살펴보았다. 앞으로 이용이 가능해질 C 밴드 Radarsat-2 자료와 L 밴드 ALOS PALSAR 자료를 모사하기 위해 C 밴드와 L 밴드 NASA JPL AIRSAR 자료를 감독분류에 이용하였다. Target decomposition으로부터 얻어지는 산란 특성과 관련된 특징들을 입력으로 SVM을 분류 기법으로 적용한 후에, 사후확률을 확률비 모델의 틀안에서 융합하는 결정수준 융합을 수행하였다. 적용 결과, L 밴드가 C 밴드에 비해 피복 구분에 적절한 투과 심도를 나타내어 22% 정도 높은 분류 정확도를 나타내었지만, 결정수준 융합을 통해 개별 토지피복 항목의 구분력의 향상으로 인해 L 밴드 자료의 분류결과에 비해 10% 정도의 보다 향상된 분류 정확도를 얻을 수 있었다.

• 대한공간정보학회지
• /
• 제8권2호
• /
• pp.23-33
• /
• 2000

본 연구에서는 인공위성영상을 이용한 토지피복 분류방법 중 파라메트릭한 분류와 비-파라메트릭한 분류의 대표성을 띤 최대우도 분류법과 신경망을 이용한 분류방법을 사용하여 분류정확도를 비교하였다. 분류정확도의 평가에 있어서 일반적인 분석가들이 사용하는 훈련지역에 대한 분류정확도의 분석뿐만 아니라, 시험지역에 대한 정확도분석을 하였다. 그 결과, 최대우도분류기에 비하여 신경망의 분류기가 일반적인 훈련데이터의 분류에 있어서 약 3% 우월하였으며, 지상검증데이터를 사용한 분류결과에서는 시험에 사용된 두 분류기 모두 빈약한 분류결과를 나타내었으나, 신경망에 의한 분류가 최대우도에 비하여 약 10%정도 보다 신뢰할 수 있는 결과를 얻을 수 있었다.

• 대한지리학회지
• /
• 제43권5호
• /
• pp.761-774
• /
• 2008

원격탐사에서 위성 영상의 디지털 처리 기술이 발달하면서 GIS 자료와 지식 기반 전문가 시스템과의 통합에 대한 관심이 증가하고 있다. 본 연구에서는 위성영상을 토지피복 분류하는 과정에서 GIS 자료를 통합하기 위하여 기계 학습 기법과 규칙 기반 분류 기법을 적용하였다. 사례 지역을 대상으로 Landsat ETM+ 영상과 고도, 경사, 향, 수역과의 거리, 도로와의 거리, 인구밀도 등의 GIS 자료를 함께 활용하였다. C5.0 추론 기계 학습 알고리듬을 이용하여 350개의 표본점으로부터 결정 트리와 분류 규칙을 생성하였다. 본 연구에서 도출된 규칙을 이용하여 분류한 결과, 고독 수역과의 거리, 인구밀도 등의 GIS 자료가 규칙 기반 분류에 효과적인 것으로 나타났다. 본 연구에서 제안한 기계 학습과 지식 기반 분류 기법을 이용하면 다양한 GIS 자료들을 통합하여 위성영상을 보다 효과적으로 분류할 수 있다.

• 농촌계획
• /
• 제12권1호
• /
• pp.75-83
• /
• 2006

본 연구에서는 최대우도법과 인공신경망 모형에 의해 카테고리 분류를 수행하고 각각의 분류 성능을 비교 평가하였다. 인공신경망 모형은 오류역전파 알고리즘을 이용한 것으로서 학습을 통한 은닉층의 최적노드수를 결정하여 카테고리 분류를 수행하도록 하였다. 인공신경망 최적 모형은 입력층의 노드수가 7개, 은닉층의 최적노드수가 18개, 그리고 출력층의 노드수가 5개인 것으로 구성하였다. 위성영상은 1996년에 촬영된 Landsat TM-5 영상을 사용하였고, 최대우도법과 인공신경망 모형에 의한 카테고리 분류를 위하여 각각의 카테고리에 대한 분광특성을 대표하는 지역을 절취하였다. 분류 정확도는 인공신경망 모형에 의한 방법이 90%, 최대우도법이 83%로서, 인공신경망 모형의 분류 성능이 뛰어난 것으로 나타났다. 카테고리 분류 항목인 토지 피복 상태에 따른 분류는 두 가지 방법에서 밭과 주거지의 분류오차가 큰 것으로 나타났다. 특히, 최대우도법에 의한 밭에서의 태만오차는 62.6%로서 매우 큰 값을 보였다. 이는 밭이나 주거지의 특성이 위성영상 촬영시기에 따라 나지의 형태로 분류되거나 산림, 또는 논으로도 분류되는 경향이 있기 때문인 것으로 보인다. 차후에 카테고리 분류를 위한 각각의 클래스의 보조적인 정보를 추가한다면, 카테고리 분류 향상이 이루어질 것으로 기대된다.

• 한국지리정보학회지
• /
• 제25권4호
• /
• pp.63-80
• /
• 2022

현실의 공간을 가상의 공간으로 구현하여 문제를 분석하고 예측하는 기술이 개발되면서, 복잡한 도시 내의 정밀한 공간정보를 취득하는 것이 중요해지고 있다. 본 연구는 복잡한 경관을 가진 도시지역을 대상으로 무인항공기를 통해 영상을 취득하고 고해상도 영상에 적합한 영상분류 기법인 객체기반 영상분석 기법과 의미론적 분할 기법을 적용하여 토지피복 분류를 수행하였다. 또한, 동일시기에 수집된 영상을 바탕으로 인공지능이 학습하지 않은 지역에 대해 각 인공지능 모형의 토지피복 분류 재현성을 확인하고자 하였다. 학습 지역을 대상으로 인공지능 모형을 학습하였을 때, 토지피복 분류 정확도가 OBIA-RF는 89.3%, OBIA-DNN은 85.0%, U-Net의 경우 95.3%로 분석되었다. 재현성을 평가하기 위해 검증 지역에 인공지능 모형을 적용하였을 때, OBIA-RF는 7%, OBIA-DNN은 2.1%, U-Net은 2.3%의 정확도가 감소하였다. 형태학적인 특성과 분광학적인 특성을 모두 고려한 U-Net이 토지피복 분류 정확도 및 재현성 평가에서 우수한 성능을 보이는 것으로 나타났다. 본 연구의 결과는 정밀한 공간정보가 중요해짐에 따라 기초자료 생성 방법으로써 도시환경 연구분야에 기여할 수 있을 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제27권4호
• /
• pp.435-444
• /
• 2011

고해상도 위성영상의 다중분광자료만을 이용하여 토지 피복도를 제작할 경우, 낮은 분광해상도와 단일 토지 피복 내에 존재하는 불균질성으로 인해 분류 결과의 정확도가 저하되는 문제가 발생한다. 특히 식생 클래스의 경우 단일 토지 피복임에도 불구하고 절감 특성에 따라 해당 영역 안에 산림, 초지, 농업지역 등이 함께 분류되는 문제가 두드러진다. 본 연구에서는 이러한 문제를 개선하기 위해 광학 영상 기반의 사전분류를 수행한 후 식생으로 분류된 영역에 대해 고해상도 위성영상의 다중분광정보와 SAR 영상 산란 정보를 통합하고 식생을 세분류하였다. 사전 분류와 식생분류는 최대우도 감독분류를 통해 수행되었으며 식생 세분류 결과와 사전 분류결과 중 비식생 클래스의 융합을 통해 계층적 분류 방법을 제안하였다. 제안 기법은 SAR 영상이나 GLCM 질감 정보를 영상 전체에 걸쳐 단순 통합한 분류결과뿐만 아니라 GLCM 질감 정보를 식생 지역에 적용한 계층적 분류결과에 비해 높은 정확도를 보였으며 특히 식생과 비식생의 분류 정확도가 모두 높게 나타났다.

• Spatial Information Research
• /
• 제11권2호
• /
• pp.101-117
• /
• 2003

고해상도 위성영상분석은 국지적 규모의 토지피복 변화 및 대기 상태의 모니터링을 위한 효과적인 기술로 인식되어 왔다. 본 연구에서는 고해상도 영상인 IKONOS 영상과 기존에 작성된 토지이용도를 이용하여 국지적 규모의 토지피복도를 새로 작성하였다. 토지피복 분류기법으로는 퍼지분류 기법을 사용하였으며, 소속함수의 결합방법으로 minimum 연산자를 이용하였다. 분리도 분석에서는 모든 밴드에서 분리도가 높지 않은데, 원인은 계절적 영향에 따른 분광반사율의 차이 때문이다. 토지피복도 작성결과 육상에서는 침엽수림과 경지가, 해양에서는 간석지 및 해빈의 변화가 가장 크다. 분류의 전체정확도는 95.0%, kappa 계수는 0.94%로 나타나 높은 분류정확도를 보였다. 분류항목별 정확도에서는 대부분의 분류항목이 90% 이상의 분류정확도를 보였다. 그러나 혼합림과 하천 및 저수지 등은 낮은 분류정확도를 보였다. 이들 원인은 농경지 담수로 인하여 수역으로 분류항목이 변하거나 유사한 분광패턴으로 분류항목이 혼재된 결과이다. 이들 분류항목의 분류정확도를 높이기 위해서는 계절적 요인을 반드시 고려하여야 할 것이다. 결론적으로 IKONOS 영상은 토지이용도 작성 및 수정이 가능하며, 추후 GIS 공간자료와 통합하여 토지피복도를 작성한다면 보다 정확한 의사결정 보조 자료로서 유용하게 활용될 수 있을 것이다.

• 한국GIS학회:학술대회논문집
• /
• 한국GIS학회 2006년도 GIS/RS 공동춘계학술대회
• /
• pp.199-204
• /
• 2006

도시의 변화에 대하여 보다 체계적으로 계획하고 관리하기 위해서는 도시지역에 대한 정확한 지리 정보의 획득이 필요하며 이와 더불어 정보의 신속한 갱신이 필요하다. 도시 변화를 판단하기 위한 지리정보는 여러 가지 정책과 연구에 사용될 수 있을 뿐만 아니라 그 자체만으로도 도시의 성장을 기록하는 중요한 자료로 이용될 수 있다. 지리 정보의 획득 방법 중 하나인 영상분류 방법은 여러 가지가 있으나, 그 중 건물, 도로, 수목, 논, 밭 등 지상의 물체들의 분광특성을 이용한 방법이 가장 효율적이라고 할 수 있다. 따라서 본 연구에서는 도심지의 토지피복분류 현황을 기존의 방법보다 더욱 정확히 분석하기 위해서 IKONOS 영상을 이용하여 분석방법에 따른 정확도를 비교 분석하고 GIS를 이용하여 토지피목 현황을 분류기법별로 나타내며, 대상지역의 분류 정확도와 정보를 제시하였다. 연구 결과 도심지에서는 최대우도법을 이용한 감독 분류의 정확도가 가장 높은 정확도를 나타내었으며, 주관성을 배제한 분류 방법에는 신경망을 이용한 분류 방법이 높은 정확도를 나타내었다. 또한 분류 기법 별로 분류된 토지피복도를 이용하여 분류 정확도와 분류항목에 대한 속성 자료를 GIS데이터베이스로 구축하여 사용자가 요구하는 정확도에 따라 분류 방법별 토지피복도를 제공함으로써 보다 신뢰성 있고 다양한 정보를 제공할 수 있었다.