• 한국측량학회지
• /
• 제32권5호
• /
• pp.451-457
• /
• 2014

최근 몽골 수도 울란바타르를 둘러싸고 있는 Tuv지역의 토지 황폐화가 급속도로 진행되고 있는데 이는 광산업의 발달과 인구 밀집으로 인하여 기존의 목초지가 파괴됨으로써 더욱 더 가속화 되고 있다. 따라서 본 연구에서는 Tuv지역의 도심지역과 광산지역을 대상으로 하여 토지피복의 변화 탐지와 토지황폐화에 대한 추이를 분석하기 위하여 2001년부터 2009년까지의 Landsat TM과 +ETM 위성영상을 활용하여, 정규식생지수와 무감독분류(Unsupervised Classification)의 K-Mean 알고리즘과 감독분류(Supervised Classification)의 MLC 등의 디지털 영상 분류기법을 적용하여 몽골 Tuv지역의 다중시기별 토지피복변화를 분석하였다. 그 결과 광산지역의 확장과 더불어 기후변화 및 인구밀집 등으로 인하여 토지가 황폐화되어 사막지역으로 변화되어가는 추이를 알 수 있었다.

• 한국지리정보학회지
• /
• 제15권2호
• /
• pp.113-125
• /
• 2012

다목적실용위성 3A호에 탑재되는 고해상도의 중적외선 영상자료에 대한 지표면 식별 특성을 파악하기 위하여, 고해상도 중적외선 영상 획득이 가능한 AHS(Airborne Hyperspectral Scanner) 자료를 사용하여 중적외선 영상 자료의 지표면 온도 산출 가능성과 토지피복도 분류 정확도를 평가하였다. 먼저 AHS 열적외선 자료로 작성한 지표면 온도 영상과 AHS 중적외선 각 밴드의 화소값을 비교한 결과 주간과 야간 모두 밴드 68(중심파장 $4.64{\mu}m$)의 결정계수가 0.74이상으로 가장 높았다. 다음으로 AHS 중적외선 밴드를 이용하여 토지피복도를 작성한 결과 주간의 경우 지붕, 도로, 초지, 식생, 수역 등이 구분 가능했지만 야간의 경우 초지와 식생, 도로와 수역, 지붕과 도로 등 일부 클래스들이 서로 중복되어 나타났다. AHS 중적외선 밴드의 지표면 식별 능력의 향상 가능성을 파악하기 위하여 주간과 야간자료의 편차 영상을 구하여 토지피복도를 작성한 결과 Zone 1과 Zone 2의 소지역별 분류정확도가 각각 67.5%, 64.3%로서, 주간 또는 야간 중적외선 밴드로 작성된 토지피복도에 비해 10% 이상 향상된 것으로 나타났다. 결과적으로 고해상도 중적외선 밴드 영상자료는 지표면온도 산출시 지표 피복 특성을 고려한 알고리즘 개발이 요구되며, 지표면 식별 능력은 주간에 비해 야간이 낮으므로 주간과 야간의 편차 영상을 이용할 경우 지표면 식별 능력을 향상시킬 수 있을 것으로 판단된다.

• 한국측량학회지
• /
• 제38권5호
• /
• pp.435-441
• /
• 2020

Sentinel-2A satellite imagery provides VNIR (Visible Near InfraRed) and SWIR (ShortWave InfraRed) wavelength bands, and it is known to be effective for land cover classification, cloud detection, and environmental monitoring. Greenhouse is one of the middle classification classes for land cover map provided by the Ministry of Environment of the Republic of Korea. Since greenhouse is a class that has a lot of changes due to natural disasters such as storm and flood damage, there is a limit to updating the greenhouse at a rapid cycle in the land cover map. In the present study, we utilized Sentinel-2A satellite images that provide both VNIR and SWIR bands for the detection of greenhouse. To utilize Sentinel-2A satellite images for the detection of greenhouse, we produced high-resolution SWIR bands applying to the fusion technique performed in two stages and carried out the detection of greenhouse using SVM (Support Vector Machine) supervised classification technique. In order to analyze the applicability of SWIR bands to greenhouse detection, comparative evaluation was performed using the detection results applying only VNIR bands. As a results of quantitative and qualitative evaluation, the result of detection by additionally applying SWIR bands was found to be superior to the result of applying only VNIR bands.

• 대기
• /
• 제19권2호
• /
• pp.169-182
• /
• 2009

To improve the performance of climate and numerical models, concerns on the land-atmosphere schemes are steadily increased in recent years. For the realistic calculation of land-atmosphere interaction, a land surface information of high quality is strongly required. In this study, a new land cover map over the Korean peninsula was developed using MODIS (MODerate resolution Imaging Spectroradiometer) data. The seven phenological data set (maximum, minimum, amplitude, average, growing period, growing and shedding rate) derived from 15-day normalized difference vegetation index (NDVI) were used as a basic input data. The ISOData (Iterative Self-Organizing Data Analysis), a kind of unsupervised non-hierarchical clustering method, was applied to the seven phenological data set. After the clustering, assignment of land cover type to the each cluster was performed according to the phenological characteristics of each land cover defined by USGS (US. Geological Survey). Most of the Korean peninsula are occupied by deciduous broadleaf forest (46.5%), mixed forest (15.6%), and dryland crop (13%). Whereas, the dominant land cover types are very diverse in South-Korea: evergreen needleleaf forest (29.9%), mixed forest (26.6%), deciduous broadleaf forest (16.2%), irrigated crop (12.6%), and dryland crop (10.7%). The 38 in-situ observation data-base over South-Korea, Environment Geographic Information System and Google-earth are used in the validation of the new land cover map. In general, the new land cover map over the Korean peninsula seems to be better classified compared to the USGS land cover map, especially for the Savanna in the USGS land cover map.

• 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.

• 한국토양비료학회지
• /
• 제34권5호
• /
• pp.342-349
• /
• 2001

Landsat TM 인공위성 자료(1997년 6월 16일 촬영)를 이용하여 평택시에 대한 지표피복분류도를 만들고 정확도를 평가하였고, 또한 우리 나라의 농업실정에 맞는 지표피복 분류체계를 세우기 위해 Anderson의 지표피복분류안을 응용하여 새로운 분류안을 만들었다. 분류방식으로는 감독분류를 사용하였는데 결과에 직접적인 영향을 주는 훈련장소(training site)의 선정을 위해 지형도, 항공사진 등과 현지 실사자료인 DGPS 자료를 사용하여 논, 밭 등 13개의 훈련조(training sets)를 작성 후 최대우도법(最大尤度法)(maximum likelihood classifier)을 적용하여 주제도를 만들었다. 이의 정확도 평가를 위해 DGPS, 항공사진, 지형도 등을 이용한 분류정확도 평가에서 전체 정확도는 86.8%이며, 카파계수가 85.4%로 매우 양호한(Excellent) 것으로 판명되었다. 그러나 도시/촌락, 비닐하우스 등의 사용자 정확도는 60% 정도로서 낮은 편이며, 도로, 비닐하우스 등의 생산자 정확도는 70% 정도로 낮은 편인데, 이는 인공건조물이라는 특징에 따른 분광학적 반사특성과 이질성(異質性)과 분포면적이 적은데 기인된 것으로 생각된다. 한편 원격탐사자료를 이용하여 토지피복 분류도를 작성할 때 우리나라 농업실정에 알맞은 농업적(農業的) 지표피복분류안(地表被覆分類案)을 만들었는데, 수준 I에는 농경지, 산림지, 물, 불모지, 도시나 인공건조물 등으로 나눌 수 있다.

• 대한원격탐사학회지
• /
• 제37권3호
• /
• pp.409-418
• /
• 2021

토지피복도는 국토정책, 환경정책을 위한 의사결정 근거 자료로 활용되는 매우 중요한 자료이다. 토지피복도는 원격탐사 자료를 활용하여 제작되는데, 이때 사용되는 데이터의 취득 시기에 따라 동일한 지역을 대상으로 하더라도 분류 결과가 달라질 수 있다. 본 연구에서는 단시기 데이터의 분류 정확도를 개선하기 위해 다중시기 위성영상을 활용하였으며 계절에 따른 지표면의 분광 반사 특성 차이를 딥러닝 알고리즘의 하나인 U-Net 모델에 학습시켜 분류하였다. 또한 단시기 분류 결과와 정확도 비교를 통해 분류 정확도의 향상 정도를 비교하였다. 구역 내에 30%의 녹지와 한강을 포함하여 다양한 토지피복으로 이루어진 서울특별시를 연구대상지로 설정하고 2020년 분기별 Sentinel-2 위성영상을 산출하였다. 대한민국 환경부에서 작성한 세분류 토지피복도를 활용하여 U-Net 모델을 학습시켰다. 학습한 U-Net 모델을 통해 단시기, 2시기, 3시기, 4시기로 모델을 학습하여 분류한 결과, 단시기를 제외하고 토지피복도 분류 정확도 확보기준인 75%를 상회하는 81%, 82% 79%의 정확도를 나타냈다. 이를 통해 다중 시계열 학습을 통해 토지피복의 분류 정확도 향상이 가능하다는 것을 확인하였다.

• 한국농공학회:학술대회논문집
• /
• 한국농공학회 1999년도 Proceedings of the 1999 Annual Conference The Korean Society of Agricutural Engineers
• /
• pp.544-549
• /
• 1999

The objective of this study is to identify the applicability of land cover image classified by remotely sensed data ; Landsat TM merged by SPOT for hydrological applications such as SCS runoff estimation . By comparing the calssified land cover image with the statistical data, it was proved that hey are agreed well with little errors. As a simple application , SCS runoff estimation was tested by varying rainfall intensity and AMC with Soilmap classfied by hydrologica soil map.

• 대한원격탐사학회지
• /
• 제31권2호
• /
• pp.51-64
• /
• 2015

본 연구에서는 MODerate resolution Imaging Spectroradiometer (MODIS) 지면피복 분류자료(MCD12Q1)에서 분류오류로 판단되는 화소들을 재분류함으로써 분류 정확도를 개선하였다. 최근 12년(2001-2012)간의 MODIS 지면피복 분류자료에서 지면피복 유형이 3개 이상으로 분류된 화소는 분류상에 오류가 있다고 판단하여 지면피복 재분류 화소로 선정하였다. 지면피복 재분류를 위해 공간해상도는 1 km이고 시간주기는 8일인 MODIS Normalized Difference Vegetation Index (NDVI) 자료를 이용하였다. NDVI 자료 중 구름 등으로 오염된 화소를 보정하기 위해 시 공간 연속성을 이용한 보정기법인 Correction based on Spatial and Temporal Continuity (CSaTC) 기법을 이용하였다. 보정된 NDVI 자료를 1개월 주기로 합성한 후 분류 오류로 판단된 화소들에 대해 Iterative Self-Organizing Data Analysis (ISODATA) 기법으로 군집화를 수행하였다. 각 군집별 식생 계절변동 특성을 고려하여 지면피복을 분류한 후 정상으로 판정된 MODIS 지면피복과 합성하여 최종 지면피복 재분류 자료를 산출하였다. 분류 정확도는 GPS를 이용한 현장관측 자료와 유럽우주국의 지상검증참조자료 등 총 138개 지상 관측자료를 이용하여 검증을 수행하였다. 2012년 MODIS 지면피복 분류자료의 정확도는 약 68%이었으나 본 연구에서 재분류한 지면피복자료의 정확도는 약 74%로 나타나 일부 화소들에서 분류 정확도가 개선되었다.

• 한국지형학회지
• /
• 제18권1호
• /
• pp.41-56
• /
• 2011

이 연구에서는 미래의 토지피복도 작성을 위해 위성영상을 기반으로 토지피복 변화를 분석하고, 토지지목의 통계자료를 이용하여 미래의 토지지목 변화를 예측하였다. 토지지목 예측 방법에는 이중지수 평활법을 이용하였다. 위성영상을 이용한 각 연도별 토지피복 분류 결과, 천안·아산시의 토지피복 변화에서 가장 큰 증가 면적을 보인 유형은 인공구조물이며, 다음으로 수역, 초지, 나대지 등도 증가하였다. 반면에 산림지, 논, 습지, 밭 등은 감소하였다. 토지지목의 시계열분석 결과에서는 위성영상을 이용한 토지피복 분류 결과와 유사한 결과가 나타났다. 이중지수 평활법을 이용한 토지지목 변화를 예측한 결과, 2010년에서 2100년까지 논, 밭, 산림지와 습지는 지속적으로 감소하는 반면, 인공구조물, 수역, 나대지, 초지는 계속해서 증가할 것으로 예측되었다. 이상의 결과는 기후변화 대응전략 마련을 위한 기후변화에 따른 토지피복 변화 예측을 위한 기초 자료로 활용될 수 있을 것이다.