염생식물은 주로 접근이 어려운 갯벌에 분포하고 있어 현장조사를 통해 분포를 조사하는데 한계가 있다. 원격탐사 자료는 넓은 지역을 효율적으로 조사할 수 있는 자료로 식물의 종과 같이 상세한 피복을 분석하는데 효과적이다. 최근 분광해상도가 높은 원격탐사자료로 초분광영상이 등장하였다. 과거부터 현재까지 주로 활용되고 있는 위성영상 또는 항공영상은 10개 이하의 분광밴드를 갖는 ...
염생식물은 주로 접근이 어려운 갯벌에 분포하고 있어 현장조사를 통해 분포를 조사하는데 한계가 있다. 원격탐사 자료는 넓은 지역을 효율적으로 조사할 수 있는 자료로 식물의 종과 같이 상세한 피복을 분석하는데 효과적이다. 최근 분광해상도가 높은 원격탐사자료로 초분광영상이 등장하였다. 과거부터 현재까지 주로 활용되고 있는 위성영상 또는 항공영상은 10개 이하의 분광밴드를 갖는 다중분광영상으로 정의할 수 있다. 반면 초분광영상은 수십~수백개의 연속적인 분광밴드로 이루어져 있어, 보다 세밀한 분광반사특성을 화소마다 획득할 수 있는 영상이다. 이러한 세밀한 분광반사특성은 기존 원격탐사자료에서 분류 또는 탐지가 어려운 피복을 분석하는데 활용할 수 있다. 특히 좁은 파장영역에서 분광반사특성의 차이를 보이는 염생식물을 분류하거나 분석하는데 효과적이다. 이에 염생식물 군락이 잘 발달한 강화도 동막해수욕장 일부 지역을 대상으로 항공 초분광영상을 이용하여 염생식물 분류를 위한 다양한 분류 알고리즘을 적용하고 비교 분석하였다. 이 연구는 항공 초분광영상을 이용하여 강화도 동막해변 일부에 대한 현장조사를 통해 염생식물의 분포를 확인하고, 염생식물의 다양한 분류 알고리즘을 적용하여 분류 가능성을 평가하고자 하였다. 염색식물 분류에 사용된 분류방법은 마할라노비스거리(Mahalanobis Distance), 최소거리(Minimum Distance), 평면육면체(ParallelePiped), 분광각 매퍼(Spectral Angler Mapper) 및 스펙트럼정보발산(Spectral Information Divergence) 알고리즘을 적용하였으며, 분류 결과 마할라노비스거리(Mahalanobis Distance) 알고리즘이 87.0%로 가장 높은 정확도를 보였으며, 평면육면체(ParallelePiped) 알고리즘은 62%로 가장 낮은 염색식물 분류 정확도를 보였다.
염생식물은 주로 접근이 어려운 갯벌에 분포하고 있어 현장조사를 통해 분포를 조사하는데 한계가 있다. 원격탐사 자료는 넓은 지역을 효율적으로 조사할 수 있는 자료로 식물의 종과 같이 상세한 피복을 분석하는데 효과적이다. 최근 분광해상도가 높은 원격탐사자료로 초분광영상이 등장하였다. 과거부터 현재까지 주로 활용되고 있는 위성영상 또는 항공영상은 10개 이하의 분광밴드를 갖는 다중분광영상으로 정의할 수 있다. 반면 초분광영상은 수십~수백개의 연속적인 분광밴드로 이루어져 있어, 보다 세밀한 분광반사특성을 화소마다 획득할 수 있는 영상이다. 이러한 세밀한 분광반사특성은 기존 원격탐사자료에서 분류 또는 탐지가 어려운 피복을 분석하는데 활용할 수 있다. 특히 좁은 파장영역에서 분광반사특성의 차이를 보이는 염생식물을 분류하거나 분석하는데 효과적이다. 이에 염생식물 군락이 잘 발달한 강화도 동막해수욕장 일부 지역을 대상으로 항공 초분광영상을 이용하여 염생식물 분류를 위한 다양한 분류 알고리즘을 적용하고 비교 분석하였다. 이 연구는 항공 초분광영상을 이용하여 강화도 동막해변 일부에 대한 현장조사를 통해 염생식물의 분포를 확인하고, 염생식물의 다양한 분류 알고리즘을 적용하여 분류 가능성을 평가하고자 하였다. 염색식물 분류에 사용된 분류방법은 마할라노비스거리(Mahalanobis Distance), 최소거리(Minimum Distance), 평면육면체(ParallelePiped), 분광각 매퍼(Spectral Angler Mapper) 및 스펙트럼정보발산(Spectral Information Divergence) 알고리즘을 적용하였으며, 분류 결과 마할라노비스거리(Mahalanobis Distance) 알고리즘이 87.0%로 가장 높은 정확도를 보였으며, 평면육면체(ParallelePiped) 알고리즘은 62%로 가장 낮은 염색식물 분류 정확도를 보였다.
Halophytes are mainly distributed in the tidal flats, which are difficult to access, and there is a limit to investigate the distribution through field surveys. Remote sensing data is used to efficiently analyze large areas and to analyze land cover such as plant species in detail.Recently, hyperspe...
Halophytes are mainly distributed in the tidal flats, which are difficult to access, and there is a limit to investigate the distribution through field surveys. Remote sensing data is used to efficiently analyze large areas and to analyze land cover such as plant species in detail.Recently, hyperspectral images appeared as remote sensing data with high spectral resolution. Satellite images or aerial images, whgich are mainly used from the past to the present, are defined as multispectral images with less than 10 spectral bands. On the other hand, hyperspectral images are composed of several tens or hundreds of consecutive spectral bands, so that the characteristics of spectral reflection can be obtained per pixel more detailed than other images. These characteristics are available to analyze land cover that are difficult to classify or detect the characteristics through existing remote sensing data. In particular, it is effective to classify or analyze the halophytes with the characteristics of spectral reflectance in narrow wavelength ranges. This study was conducted to compare and classify various classification algorithms for classification of the halophytes using airborne hypserpsectal images in the parts of the Dongmak Beach where the halophytes community is well developed. The purpose of the study is to evaluate the possibility of classification by utilizing airborne hyperspectral images, conducting field survey and applying various classification algorithms. The classification methods in the study are the Mahalanobis Distance Algorithm, the Minimum Distance Algorithm, the ParallelePiped Algorithm, the Spectral Angler Mapper Algorithm and the Spectral Information Divergence Algorithm. The result of classification shows that the Mahalanobis Distance Algorithm has the highest accuracy(87.0%) and the ParallelePiped Algorithm has the lowest accuracy(62%).
Halophytes are mainly distributed in the tidal flats, which are difficult to access, and there is a limit to investigate the distribution through field surveys. Remote sensing data is used to efficiently analyze large areas and to analyze land cover such as plant species in detail.Recently, hyperspectral images appeared as remote sensing data with high spectral resolution. Satellite images or aerial images, whgich are mainly used from the past to the present, are defined as multispectral images with less than 10 spectral bands. On the other hand, hyperspectral images are composed of several tens or hundreds of consecutive spectral bands, so that the characteristics of spectral reflection can be obtained per pixel more detailed than other images. These characteristics are available to analyze land cover that are difficult to classify or detect the characteristics through existing remote sensing data. In particular, it is effective to classify or analyze the halophytes with the characteristics of spectral reflectance in narrow wavelength ranges. This study was conducted to compare and classify various classification algorithms for classification of the halophytes using airborne hypserpsectal images in the parts of the Dongmak Beach where the halophytes community is well developed. The purpose of the study is to evaluate the possibility of classification by utilizing airborne hyperspectral images, conducting field survey and applying various classification algorithms. The classification methods in the study are the Mahalanobis Distance Algorithm, the Minimum Distance Algorithm, the ParallelePiped Algorithm, the Spectral Angler Mapper Algorithm and the Spectral Information Divergence Algorithm. The result of classification shows that the Mahalanobis Distance Algorithm has the highest accuracy(87.0%) and the ParallelePiped Algorithm has the lowest accuracy(62%).
※ AI-Helper는 부적절한 답변을 할 수 있습니다.