본 연구에서는 강원도 평창군 봉평면 일대의 지역에 대해 2000년 4월 24일에 수신된 IKONOS 위성영상을 이용하여 피복분류를 수행하였다. 피복분류는 임상분류에 중점을 두었으며, 분류에 적용한 분류항목(class)은 현지조사 및 영상을 통하여 상록침엽수, 낙엽송, 활엽수, 나지, 밭, 초지, 수역, 사토지역, 아스팔트지역의 9개로 나누었다. 영상분류는 최대우도법을 적용하여 감독분류를 수행하였다. 정확도는 검정지역에 대한 전체정확도, 생산자정확도, 사용자정확도, k의 항목에 대해 분류오차행렬표를 통하여 평가하였다. 분류 및 분석에는 ERDAS사의 Imagine 8.4와 Purdue 대학에서 개발한 Multispec 소프트웨어를 사용하였다. 분류 결과, 검정지역에 대한 정확도는 전체정확도 94.3%, 생산자정확도 77.0-99.9%, 사용자정확도 71.9-100%, k은 0.93이었다. 나지, 사토지역, 밭 등의 경우 다른 분류항목보다 분류의 정확도가 비교적 낮게 나타난 반면, 임상분류에 있어서는 기존의 중해상도(5-30m) 위성영상보다 향상된 분류결과를 보여주었다.
본 연구에서는 강원도 평창군 봉평면 일대의 지역에 대해 2000년 4월 24일에 수신된 IKONOS 위성영상을 이용하여 피복분류를 수행하였다. 피복분류는 임상분류에 중점을 두었으며, 분류에 적용한 분류항목(class)은 현지조사 및 영상을 통하여 상록침엽수, 낙엽송, 활엽수, 나지, 밭, 초지, 수역, 사토지역, 아스팔트지역의 9개로 나누었다. 영상분류는 최대우도법을 적용하여 감독분류를 수행하였다. 정확도는 검정지역에 대한 전체정확도, 생산자정확도, 사용자정확도, k의 항목에 대해 분류오차행렬표를 통하여 평가하였다. 분류 및 분석에는 ERDAS사의 Imagine 8.4와 Purdue 대학에서 개발한 Multispec 소프트웨어를 사용하였다. 분류 결과, 검정지역에 대한 정확도는 전체정확도 94.3%, 생산자정확도 77.0-99.9%, 사용자정확도 71.9-100%, k은 0.93이었다. 나지, 사토지역, 밭 등의 경우 다른 분류항목보다 분류의 정확도가 비교적 낮게 나타난 반면, 임상분류에 있어서는 기존의 중해상도(5-30m) 위성영상보다 향상된 분류결과를 보여주었다.
This study was carried out to evaluate high resolution satellite imagery of IKONOS for classifying the land cover, especially forest type. The IKONOS imagery of 11km$\times$11km size was taken on April 24, 2000 in Bong-pyoung Myun Pyungchang-Gun, Kangwon Province. Land cover classes were ...
This study was carried out to evaluate high resolution satellite imagery of IKONOS for classifying the land cover, especially forest type. The IKONOS imagery of 11km$\times$11km size was taken on April 24, 2000 in Bong-pyoung Myun Pyungchang-Gun, Kangwon Province. Land cover classes were water, coniferous evergreen, Larix leptolepis, broad-leaved tree, bare land, farm land, grassland, sandy soil and asphalted area. Supervised classification method with algorithm of maximum likelihood was applied for classification. The terrestrial survey was also carried out to collect the reference data in this area. The accuracy of the classification was analyzed with the items of overall accuracy, producer's accuracy, user's accuracy and k for test area through the error matrix. In the accuracy analysis of the test area, overall accuracy was 94.3%, producer's accuracy was 77.0-99.9%, user's accuracy was 71.9-100% and k and 0.93. Classes of bare land, sandy soil and farm land were less clear than other classes, whereas classification result of IKONOS in forest area showed higher performance than that of other resolution(5-30m) satellite data.
This study was carried out to evaluate high resolution satellite imagery of IKONOS for classifying the land cover, especially forest type. The IKONOS imagery of 11km$\times$11km size was taken on April 24, 2000 in Bong-pyoung Myun Pyungchang-Gun, Kangwon Province. Land cover classes were water, coniferous evergreen, Larix leptolepis, broad-leaved tree, bare land, farm land, grassland, sandy soil and asphalted area. Supervised classification method with algorithm of maximum likelihood was applied for classification. The terrestrial survey was also carried out to collect the reference data in this area. The accuracy of the classification was analyzed with the items of overall accuracy, producer's accuracy, user's accuracy and k for test area through the error matrix. In the accuracy analysis of the test area, overall accuracy was 94.3%, producer's accuracy was 77.0-99.9%, user's accuracy was 71.9-100% and k and 0.93. Classes of bare land, sandy soil and farm land were less clear than other classes, whereas classification result of IKONOS in forest area showed higher performance than that of other resolution(5-30m) satellite data.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
아직은 활용성에 대한 연구가 미진한 상태이다. 따라서, 본 연구에서는 고해상도 위성영상인 IKONOS를 이용한 임상분류방법의 가능성을 제시하고자 한다.
본 연구에서는 최근 상용화된 고해상도 위성영상(IKONOS)을 이용해 강원도 평창군 봉평면에 위치한 산악지역에 대해 피복분류 및 임상분류를 수행하였다.
즉. 우리나라의 산악지역과 같이 임상의 변화가 국지적으로 다양한 곳에서 30m의 공간해상도를 갖는 중해상도 위성영상으로는 그 임상구분이 어려웠던 지역에 대해. Im의 공간해상도를 갖는 고해상도 위성 영상을 이용했을 시에는 국지적인 임상구분이 가 능하였다.
제안 방법
Fig. 2와 같이 선정된 8개의 검정지역에 대해 현지 조사를 실시하였고 각 분류항목 별로 영상 내에 검정지역을 설정하였다. 또한 훈련지역은 감독분류시 기준으로 이용하였다.
또한. 감독분류를 위해 각 분류 항목을 대표할 만한 훈련지역을 설정하였다. 훈련 지역의 설정 방법은 영상에 대해 사용자가 직접 특정 지역을 다각형(polygon)의 형태로 묶어 나가는 방법을 취하였다.
본 연구에 사용한 영상은 UTM 좌표체계를 가지고 있다. 따라서 Imagme 8.4를 사용하여 우리나라에서 사용하는 TM 체계로의 투영체계 변환을 수행하였다. 투영체계 변환 시 적용된 각종 매개 변수 값은 Table 1과 같으며, 화소의 재배열 (resampling) 방법은 최근린내삽법(nearest neighborhood)을 적용하였다.
따라서 전체영상(full-scene)에 대한 분류의 반복 작업은 그 능률이나 효율면에서 문제가 있다고 판단하였다. 따라서 전 체영상의 성격을 잘 대변한다고 판단되는 부분영상(sub-scene)을 제작하였고, 부분영상에 대하여 분류와 정확도 평가를 수행하였다.
4의 layerstack 기능을 통하여 단일 영상으로 제작하였다. 또한, 범색성영상의 공간해상도를 유지 하면서 다중분광영 상의 성격을 갖는 고분해능영상(pan-sharpened imagery)을 만들기 위해 단일 영상과 범색성영상간의 영상 융합을 Imagme 8.4를 이용하여 수행하였다. 영상 융합 과정에서 영상의 복사해상도는 libit의 형태를 유지토록 하였으며.
이 libit의 자료는 8bit로 구성된 기본단위 Ibyte 또는 2byte로 변환사용할 수 있으나. 본 연구에서는 각 처리단계에서 2byte로 변환함으로써 자료의 손실 없이 libit의 복사해상도를 유지토록 하였다. 또한, IKONOS영상은 4m 다중분광영상 또는 1m 범색 성영상의 공간해상도를 갖는 GeoTIFF 형식의 영상인데.
또한, IKONOS영상은 4m 다중분광영상 또는 1m 범색 성영상의 공간해상도를 갖는 GeoTIFF 형식의 영상인데. 본 연구에서는 다중분광의 4개 영상과 범색성의 1개 영상을 Imagine 8.4에서 IMG 형식으로 불러오기(import) 하였다.
부분영상에 대한 분류결과나 정확도가 만족할만한 수준이 되었을 때 이러한 분류기준을 전체영상에 대해 적용하여 분류를 종결하였고. 이에 대한 정확도는 부분영상에 대한 수준을 적용하였다.
부분영상에 대한 분류의 수준이 만족할 만한 수준에 이르렀을 때 부분영상에 적용하였던 기준을 전체영상에 대해 동일하게 적용하여 분류를 수행하였다. 감독 분류의 결과로 생성된 주제도는 Mulitspec을 이용해서 생성된 것이기 때문에 지리적 정보를 가지고 있지 않다.
정확도 측면에서 인정할만한 수준이 되었다고 판단하였고. 부분영상에 적용한 것과 동일한 기준을 전체영상에 적용하여 최종 분류를 수행하였다. 고해상도 위성영상 은 기존의 저해상도 위성영상에 비해 보다 실제에 근접한 영상을 제시하므로 기존의 항공사진과 비 슷한 효과를 얻을 수 있으면서.
Multispec을 이용하여 부분영상 내의 검정지역에 대한 분류를 수행하였다. 분류의 방법은 최대 우도법에 따른 감독분류를 이용하였다 먼저 각 분류항목 별 훈련지역에 대한 정확도를 평가한 후. 결과가 안족스러운 경우에 검정지역에 대한 정확도를 평가하였고.
4를 이용해 IMG 형식으로 불러들였고. 불러들인 영상에 대해 Imagine 8.1 를 이용하여 TM체계의 지도좌표체계를 적용함으로써 지리적 정보를 가진 분류 영상으로 변환하였으며 그 결과는 Fig. 7과 같다. 여기에서 IKONOS영상이 포함하는 지리적 왜곡 역시 문 제가 될 수 있다.
4를 이용하여 IMG 형식으로 불러들였다. 불러들인 영상에 대해 TM 좌표체계를 투영체계를 변환하고, 화소의 크기를 정함으로써 지리적 정보를 갖는 분류 영상을 제작하였다.
정확도 평가는 전체정확도(overall accuracy), 사용자정 확도(user's accuracy). 생산자정확도 (producer's accuracy), k(kappa statistic)의 항목에 대하여 수행하였다.
밭. 수역, 나지, 사토지역, 아스팔트지역의 9개 분류항목으로 구분하였다. 각 분류항목을 정하기 위한 범주는 Table 2와 같다.
본 연구에서는 항공사진. 위성영상의 프린트 자료를 이용하여 현지조사를 수행하였고, 선정된 검정지역에 대한 참고자료를 마련하여 분류의 정확도 판정 및 훈련지역의 선정에 이용하였다.
3e). 이를 범색성영상과 영상 융합하여 1m의 공간해상도를 갖는 고분해능다중분광영 상을 만들어 분류에 이용하였다 (Fig. 3g).
결과가 안족스러운 경우에 검정지역에 대한 정확도를 평가하였고. 정확도 평가 결과의 만족도에 따라 이러한 과정의 반복 또는 종료를 결정하였다. 정확도 평가는 전체정확도(overall accuracy), 사용자정 확도(user's accuracy).
현지답사와 조사를 통해 연구대상지의 전반적인 형상들을 파악하고. 본 영상을 통해 얻어내고자 하는 분류의 범위를 상록침엽수.
대상 데이터
청색. 근적외선의 4 개 영상을 Imagine 8.4의 layerstack 기능을 통하여 단일 영상으로 제작하였다. 또한, 범색성영상의 공간해상도를 유지 하면서 다중분광영 상의 성격을 갖는 고분해능영상(pan-sharpened imagery)을 만들기 위해 단일 영상과 범색성영상간의 영상 융합을 Imagme 8.
3d)의 각각의 파일로 구성되는 다중 분광영상과. 단일 밴드의 범색성영상(Fig. 3f) 중 다중분광영상을 구성하는 4개 밴드의 영상을 단일 영상파일로 제작하였고(Fig. 3e). 이를 범색성영상과 영상 융합하여 1m의 공간해상도를 갖는 고분해능다중분광영 상을 만들어 분류에 이용하였다 (Fig.
상록침엽수 156. 밭 361, 사토지역 66개로 선정하였다.
2는 검정지역으로 선정한 8개 지역을 나타낸다. 본 연구대상지역이 대부분 산악지역으로 차량이나 사람의 접근이 불가한 지역에 대한 현지조사가 불가능하여 주로 접근성이 좋은 지역을 위주로 선정하였다.
본 연구에 사용한 영상은 UTM 좌표체계를 가지고 있다. 따라서 Imagme 8.
본 연구에서 사용된 위성영상은 표준기하보정된 IKONOS 영상으로서 다중분광영상(multispectral imagery)과 범색성영상(panchromatic imagery)의 두 가지 형태이다. 다중분광영상의 경우 적색 녹색, 청색, 근적외선의 4개 밴드로 구성되어 있고 4m의 공간해상도를 가지고 있으며.
본 연구에서 사용한 고분해능영상의 영상은 libit의 복사해상도를 가지고 있는 크기 약 600Mbyte 정도의 영상이다. 따라서 전체영상(full-scene)에 대한 분류의 반복 작업은 그 능률이나 효율면에서 문제가 있다고 판단하였다.
본 연구에서 사용한 소프트웨어는 Erdas사의 Imagine 8.4(Erdas, 1997)와 Purdue대학의 Multispec (Landgrebe and Biel. 2000))이고. 영상분류의 전처리 및 지리적 정보와 관련된 과정은 Imagine 8.
본 연구의 대상지는 강원도 평창군 봉평면 일대의 지역으로서 면적은 11km X 7.6km이다(Fig.1). 남쪽으로 면온리.
지도투영은 UTM(universal transverse mercator)이고. 파일 형식은 GeoTIFF이다.
데이터처리
Multispec:을 이용하여 부분영상에 대해 검정지역을 선정하였다. 이러한 검정지역은 각 분류항목 별로 설정된 훈련지역의 정확도를 평가하는 기준으로 이용하였다.
Multispec을 이용하여 부분영상 내의 검정지역에 대한 분류를 수행하였다. 분류의 방법은 최대 우도법에 따른 감독분류를 이용하였다 먼저 각 분류항목 별 훈련지역에 대한 정확도를 평가한 후.
분류의 방법은 최대 우도법에 따른 감독분류를 이용하였다 먼저 각 분류항목 별 훈련지역에 대한 정확도를 평가한 후. 결과가 안족스러운 경우에 검정지역에 대한 정확도를 평가하였고. 정확도 평가 결과의 만족도에 따라 이러한 과정의 반복 또는 종료를 결정하였다.
이론/모형
영상 융합 과정에서 영상의 복사해상도는 libit의 형태를 유지토록 하였으며. 영상 융합의 방법은 주성분분석 방법(principal component analysis)을 이용하였다.
4를. 영상분류과정은 Multispec을 사용하였다.
4를 사용하여 우리나라에서 사용하는 TM 체계로의 투영체계 변환을 수행하였다. 투영체계 변환 시 적용된 각종 매개 변수 값은 Table 1과 같으며, 화소의 재배열 (resampling) 방법은 최근린내삽법(nearest neighborhood)을 적용하였다.
성능/효과
다만. IKONOS 위성영상의 경우 공간해상도가 높은 것에 비해 분광해상도가 낮아 보다 정밀한 사물의 분류에 있어 정도가 낮게 나타났으며. 따라서 기존의 분광값에 의존하던 분류방식에서 보다 발전된 방향으로 연구가 진행되어야 한다고 판단된다.
생산자정확도 (producer's accuracy)와 누락오차(omission error)는 Table 5와 같은데. 나지, 받에 관한 분류항목에서의 정확도가 다른 분류항목에 비해 낮은 것으로 나타났다. 나지의 경우는 사토지역으로, 밭의 경우는 활엽수로 잘못 분류된 것이 오차의 주된 원인으로 나타났다.
나지. 사토지역에 관한 분류항목에서의 정확도가 다른 분류항목에 비해 낮은 것으로 나타났다. 활엽 수의 경우, 분류오차행렬표에 따르면 일정 양의 화소가 밭으로 분류되어 있는 것으로 나타났으며.
대각선상에 대부분의 화소가 존재하지만 분류항목에 따라 화소의 위치가 대각선상을 벗어나 있는 것을 볼 수 있으며, 이는 어떤 형태로든 분류에 오차가 존재함을 나타낸다. 전체정확도는 94,3%서 정확도 평가 측면에서는 만족할 만한 결과라고 판단되었다.
후속연구
IKONOS 위성영상의 경우 공간해상도가 높은 것에 비해 분광해상도가 낮아 보다 정밀한 사물의 분류에 있어 정도가 낮게 나타났으며. 따라서 기존의 분광값에 의존하던 분류방식에서 보다 발전된 방향으로 연구가 진행되어야 한다고 판단된다. 특히.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.