선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서 본 연구에서는 최근에 촬영된 Landsat TM 자료를 이용하여 도시 근교지역인 평택시에 대한 토지 피복 분류도를 작성하여 각 행정구역별로 토지피복현 황과 분류 정확도를 평가하여 얻은 결과를 농업적으로 이용하고자 하는 데에 목적을 두고 시행하였다.
- 본 연구는 평택 지역에 대한 Landsat TM 인공위 성 자료를 이용하여 평택지역의 토지피복분류도를 만 들고 DGPS, 항공사진, 지형도 등을 이용하여 보다 정확한 참조자료를 만들어 분류도의 정확성을 평가하 고자 하였다. 논 밭 등 12개 항목으로 분류하여 면 적을 산출한 결과 1997년 6월 현재 평택시의 논면적은 16, 157 km2, 밭면적은 4, 949 km?로 나타났다.
제안 방법
- 이에 따라 보다 정확한 참조자료를 만들기 위해 DGPS, 항공사진, 지 형도 세 가지를 종합하여 분류 정확도를 평가하여 보 았다. DGPS는 직접 포장에서 취득한 지도장소를 vector 이미지로 만든 후 이를 토지피복분류도와 중첩 분석하여 정확도를 평가하였는데, 처음 지도조 선정시 만든 지도장소의 vector 자료를 이용하였다. 또 항공 사진을 기하보정 한 후 보정된 항공사진을 모자이크화 하여 전 연구대상 지역에 대해 digitizer를 이용 격자 형(2 km 간격)으로 165개의 참조점 (reference point)을 선정한 후 항공사진상의 명암, 질감(texture), 패턴 등 을 고려해서 판단된 토지피복분류 항목과 토지피복분 류도와 비교 평가하였다.
- 지도장소의 선정은 공간 해상력보다 더 크도록 하였으며, 이를 위해 지형 도, 항공사진, 영상자료 및 DGPS 등이 이용되었다. DGPS의 이용시에는 지도장소를 다변형의 형태로 선정 하여 후처리 (post processing)한 후 영상자료에 중첩하 여 다시 vector 이미지로 만들었다. 또한 영상자료를 화면상에서 특징을 시각적으로 잘 나타내어 지도장소 선정에 도움이 되도록 하기 위해 최적목록요소(opti mum index factor)라는 영상화면 display 기법을 적 용하였다.
- 자료의 정보추출을 위해 다파장분류(multispectral classification)의 감독분류(supervised classification)를 택하였다. 감독분류법에 의한 평택시 지역에 대한 토 지피복 분류도를 만들기 위해서 우선 토지피복분류 항 목, 즉 지도조(training set)를 결정하고 그에 따른 세 부 지도장소(training site)를 선정하기 위해서 동질성 과 대표성을 지닌 장소를 연구대상 지역 전체에서 가 능한 고르게 분포하도록 하였다. 지도장소의 선정은 공간 해상력보다 더 크도록 하였으며, 이를 위해 지형 도, 항공사진, 영상자료 및 DGPS 등이 이용되었다.
- 기하보정을 하기 위한 지상기준점을 선정하기 위해 지형도와 영상의 화면상에서 명확히 식별되는 점, 즉 주로 도로 교차점, 저수지의 제방둑, 농로의 교차점 등을 사용하였으며, 또한 가능한 해발에 기인되는 기 복변위의 영향을 최소화하기 위하여 가급적 동일 표고 의 점을 선정하도록 하였다. 영상의 화면상에서 지상 기준점의 분포는 영상 재배열시 영향을 미치므로 전 영상에 가능한 고르게 분포하도록 선정하였다.
- 1차적 으로 만들어진 주제도(thematic map)는 면적이 극히 적은 훈련조의 존재로 시각적 효과를 감소시키며 정확 도 평가시 정확도를 저하시키므로 이를 제거할 필요가- 있었다. 따라서 필터링 (filtering)기법을 적용하였는데 이에는 평활화 필터링과 강조화 필터링이 있는데, 여 기서는 3X3 Filter Array를 사용하여 각 화소의 값 을 주변의 9개 화소의 평균값으로 변환하는 평활화 필터링의 Majority Filtering을 적용함으로서 잡음제거 및 훈련조의 분산을 감소시켜 시각적 효과를 향상시켜 최종 토지피복분류 주제도를 만들어 보았다(그림 2). 이를 보면 적색이 도시지역, 녹색계통은 산림 및 초지 지역, 파란색 계통은 수역, 논 지역은 회색으로 나타났고, 각 클라스들이 지역적인 특색에 맞게 고르게 나 타났다.
- DGPS는 직접 포장에서 취득한 지도장소를 vector 이미지로 만든 후 이를 토지피복분류도와 중첩 분석하여 정확도를 평가하였는데, 처음 지도조 선정시 만든 지도장소의 vector 자료를 이용하였다. 또 항공 사진을 기하보정 한 후 보정된 항공사진을 모자이크화 하여 전 연구대상 지역에 대해 digitizer를 이용 격자 형(2 km 간격)으로 165개의 참조점 (reference point)을 선정한 후 항공사진상의 명암, 질감(texture), 패턴 등 을 고려해서 판단된 토지피복분류 항목과 토지피복분 류도와 비교 평가하였다. 이는 참조점 선정시 생길 수 있는 임의성을 최대한 배제해 보고자 한 것이다.
- 생성된 vector 영상자료를 ER Mapper 영상소프트웨어로 호환하는 형태로 전환한 후 영상 절출 알고리즘(If inregion(rl) then il else null) 을 적용하여 해당지역을 절출하였다. 또한 동일한 방 법으로 시 및 면 경계도를 작성하여 영상자료 분류 후 토지피복 면적을 산출하는데 이용하였다
- 이를 보면 적색이 도시지역, 녹색계통은 산림 및 초지 지역, 파란색 계통은 수역, 논 지역은 회색으로 나타났고, 각 클라스들이 지역적인 특색에 맞게 고르게 나 타났다. 또한 이에 근거하여 행정구역별로 vector 자 료를 중첩 분석흐}여 토지피복 분류 항목별로 면적을 산출하였다(표 4).
- 영상자료의 절출을 위해 기하보정된 영상자료에서 연구대상 지역 전체를 절출하기 위해서 수치형태의 행 정경계도(vector 영상)를 만들었다. 먼저 digitizer상에 서 지형도를 이용하여 행정경계선만을 그려 vector 영 상자료로 전환하였다. 생성된 vector 영상자료를 ER Mapper 영상소프트웨어로 호환하는 형태로 전환한 후 영상 절출 알고리즘(If inregion(rl) then il else null) 을 적용하여 해당지역을 절출하였다.
- 일반적으로 최단거리법 (minimumistance classifier), 평행 육면체법 (parallelepiped cla ssifier), 최 대 우도법 (maximum likelihood classifier) 등이 있는데, 각 분류 알고리즘에 대한 장단점이 있어 현재로서는 아주 이상적인 것이 없는 실정이다. 본 연 구에서는 최대우도법을 적용하였는데. 이 방법은 일반 적으로 가장 많이 사용하고, 또한 가장 정확한 방법으 로 알려져 있는데 지도조의 값이 정규분포를 따른다는 가정하에 훈련조의 평균 벡터 (mean vector)와 공분산 행렬을 계산한 후 확률밀도함수를 이용하여 각 화소를 확률이 가장 높은 훈련조로 분류하는 기법이다.
- 기하보정을 하기 위한 지상기준점을 선정하기 위해 지형도와 영상의 화면상에서 명확히 식별되는 점, 즉 주로 도로 교차점, 저수지의 제방둑, 농로의 교차점 등을 사용하였으며, 또한 가능한 해발에 기인되는 기 복변위의 영향을 최소화하기 위하여 가급적 동일 표고 의 점을 선정하도록 하였다. 영상의 화면상에서 지상 기준점의 분포는 영상 재배열시 영향을 미치므로 전 영상에 가능한 고르게 분포하도록 선정하였다.
- 영상자료의 절출을 위해 기하보정된 영상자료에서 연구대상 지역 전체를 절출하기 위해서 수치형태의 행 정경계도(vector 영상)를 만들었다. 먼저 digitizer상에 서 지형도를 이용하여 행정경계선만을 그려 vector 영 상자료로 전환하였다.
- 영상자료를 이용한 토지피복분류도를 만든 후 그것 을 평가할 수 있는 참조자료(reference data)을 어떻게 만들며 또한 정확성 평가는 어떻게 하느냐 하는 것은 매우 어렵고 중요한 당면 문제이다. 이에 따라 보다 정확한 참조자료를 만들기 위해 DGPS, 항공사진, 지 형도 세 가지를 종합하여 분류 정확도를 평가하여 보 았다. DGPS는 직접 포장에서 취득한 지도장소를 vector 이미지로 만든 후 이를 토지피복분류도와 중첩 분석하여 정확도를 평가하였는데, 처음 지도조 선정시 만든 지도장소의 vector 자료를 이용하였다.
- 자료의 정보추출을 위해 다파장분류(multispectral classification)의 감독분류(supervised classification)를 택하였다. 감독분류법에 의한 평택시 지역에 대한 토 지피복 분류도를 만들기 위해서 우선 토지피복분류 항 목, 즉 지도조(training set)를 결정하고 그에 따른 세 부 지도장소(training site)를 선정하기 위해서 동질성 과 대표성을 지닌 장소를 연구대상 지역 전체에서 가 능한 고르게 분포하도록 하였다.
- 지상기준점의 좌표 값은 digitizer 상에 지형도를 이용해 지상기준점에 대한 좌표값을 읽어 영상상에 동일 지점에 대해 정합 (matching)시키는 지도 대 영상 정합법 (map to ima ge matching)을 사용하였다. 지상기준점의 제곱근평균 제곱 오차(root mean square error)를 한 화소(30 m) 이내가 되도록 하였다.
- 또한 영상자료를 화면상에서 특징을 시각적으로 잘 나타내어 지도장소 선정에 도움이 되도록 하기 위해 최적목록요소(opti mum index factor)라는 영상화면 display 기법을 적 용하였다. 최적목록요소는 세 밴드(RGB)를 조합시 총 분산과 상관에 의해 순위화하여(표 2) 여러 자료들을 종합적으로 이용하여 논, 밭, 비닐하우스, 초지, 임야, 나지, 도시, 촌락, 공단, 물, 간사지, 바다 등 12개의 지도조를 만들었다.
대상 데이터
- 사용된 인공위성 자료는 Landsat TM(Thematic Mapper, Path: 116, Row:34) 자료로서, 자료값(Digital number}은 unsigned 8 bit로 0에서 255까지의 값을 가지고, 7개의 다중분광밴드를 가지며, 그 특징은 표 1과 같다.
- 감독분류법에 의한 평택시 지역에 대한 토 지피복 분류도를 만들기 위해서 우선 토지피복분류 항 목, 즉 지도조(training set)를 결정하고 그에 따른 세 부 지도장소(training site)를 선정하기 위해서 동질성 과 대표성을 지닌 장소를 연구대상 지역 전체에서 가 능한 고르게 분포하도록 하였다. 지도장소의 선정은 공간 해상력보다 더 크도록 하였으며, 이를 위해 지형 도, 항공사진, 영상자료 및 DGPS 등이 이용되었다. DGPS의 이용시에는 지도장소를 다변형의 형태로 선정 하여 후처리 (post processing)한 후 영상자료에 중첩하 여 다시 vector 이미지로 만들었다.
- 이는 참조점 선정시 생길 수 있는 임의성을 최대한 배제해 보고자 한 것이다. 지형 도도 항공사진과 마찬가지로 기하보정하여 같은 위치 의 참조점으로 지형도상에 표시되어 있는 클라스들 (Paddy, Upland 등>을 참조자료로 선정하여 평가하는 데 이용하였다. 그리고 이 세 방법에 의한 결과를 종 합하여 하나의 결과로 나타낸 것이 Table 5이다.
이론/모형
- Landsat TM자료와 각종 지형도 등 GIS 자료들과 지리적 상호관계를 서로 연결하기 위해서 지도좌표와 일치하도록 기하보정을 하였고, 보정 방법으로는 Affine 변환을 사용하였다.
- 1997), 감독분류의 훈련조의 선 정과 분류 정확성 평가 등을 위해서 95년 5월에 촬 영된 항공사진(축적 1 : 20, 000)을 사용하였다. 또한 범 세계위치정보시스템 (GPS)을 사용하였는데 , 감독분류의 훈련조의 선정과 분류 정확성 평가 등을 위해서 DGPS (Pathfinder Office Software User Guider, 1996)를 이용하였다.
- DGPS의 이용시에는 지도장소를 다변형의 형태로 선정 하여 후처리 (post processing)한 후 영상자료에 중첩하 여 다시 vector 이미지로 만들었다. 또한 영상자료를 화면상에서 특징을 시각적으로 잘 나타내어 지도장소 선정에 도움이 되도록 하기 위해 최적목록요소(opti mum index factor)라는 영상화면 display 기법을 적 용하였다. 최적목록요소는 세 밴드(RGB)를 조합시 총 분산과 상관에 의해 순위화하여(표 2) 여러 자료들을 종합적으로 이용하여 논, 밭, 비닐하우스, 초지, 임야, 나지, 도시, 촌락, 공단, 물, 간사지, 바다 등 12개의 지도조를 만들었다.
- 먼저 digitizer상에 서 지형도를 이용하여 행정경계선만을 그려 vector 영 상자료로 전환하였다. 생성된 vector 영상자료를 ER Mapper 영상소프트웨어로 호환하는 형태로 전환한 후 영상 절출 알고리즘(If inregion(rl) then il else null) 을 적용하여 해당지역을 절출하였다. 또한 동일한 방 법으로 시 및 면 경계도를 작성하여 영상자료 분류 후 토지피복 면적을 산출하는데 이용하였다
- 재배열은 지상기준점에 근거하여 원 영상자료값(DN) 을 보정할 영상에 가능한 공간적 이동이 적고 또한 영상자료값이 그대로 전환되도록 원화상의 주변 화소 값을 이용하여 재배열을 결정하는 기법인 최근린 내삽 법 (Nearest neighborhood method)을 적용하였다.
- 전 영상자료(full scene)에서 연구지역을 포함하는 지역을 절출한 후(subset scene)에 15개의 지상기준점 을 영상 상에 고르게 선정하였다. 지상기준점의 좌표 값은 digitizer 상에 지형도를 이용해 지상기준점에 대한 좌표값을 읽어 영상상에 동일 지점에 대해 정합 (matching)시키는 지도 대 영상 정합법 (map to ima ge matching)을 사용하였다. 지상기준점의 제곱근평균 제곱 오차(root mean square error)를 한 화소(30 m) 이내가 되도록 하였다.
- 지형도는 영상자료의 기하보정 등을 위해 국립지리 원 발간 지형도(축적 1 : 50, 000)를 이용하였으며(국립 지리원, 1995. 1996. 1997), 감독분류의 훈련조의 선 정과 분류 정확성 평가 등을 위해서 95년 5월에 촬 영된 항공사진(축적 1 : 20, 000)을 사용하였다. 또한 범 세계위치정보시스템 (GPS)을 사용하였는데 , 감독분류의 훈련조의 선정과 분류 정확성 평가 등을 위해서 DGPS (Pathfinder Office Software User Guider, 1996)를 이용하였다.
성능/효과
- 논 밭 등 12개 항목으로 분류하여 면 적을 산출한 결과 1997년 6월 현재 평택시의 논면적은 16, 157 km2, 밭면적은 4, 949 km?로 나타났다. DGPS, 항공사진, 지형도 등을 이용하여 평가한 결과 간석지, 논 물 및 바다 등이 90%의 정확도를 보였으며, 밭, 비닐, 산림, 초지, 촌락 등은 낮게 평가되었다. 전체 정확도는 85.
- 4%), 행정구역별로는 팽성읍과 현덕면, 포승면에 가장 논이 많이 분포되어 있는 것으 로 나타났다. 또한 산림지역은 진위면에 넓게 분포되 어 있는 것으로 나타났고, 평택시와 송탄 일대는 도심 지가 넓게 형성되어 가장 개발이 많이 된 지역으로 나타났으며, 포승면에는 공단지역이 많이 분포되어 있는 것으로 나타났다.
- 따라서 필터링 (filtering)기법을 적용하였는데 이에는 평활화 필터링과 강조화 필터링이 있는데, 여 기서는 3X3 Filter Array를 사용하여 각 화소의 값 을 주변의 9개 화소의 평균값으로 변환하는 평활화 필터링의 Majority Filtering을 적용함으로서 잡음제거 및 훈련조의 분산을 감소시켜 시각적 효과를 향상시켜 최종 토지피복분류 주제도를 만들어 보았다(그림 2). 이를 보면 적색이 도시지역, 녹색계통은 산림 및 초지 지역, 파란색 계통은 수역, 논 지역은 회색으로 나타났고, 각 클라스들이 지역적인 특색에 맞게 고르게 나 타났다. 또한 이에 근거하여 행정구역별로 vector 자 료를 중첩 분석흐}여 토지피복 분류 항목별로 면적을 산출하였다(표 4).
- 이에 따른 항목별 면적을 보면 평택시 전체 면적 48, 356 ha 중 논면적은 16, 157 ha으로 가장 분포면적 이 넓게 나타났고(33.4%), 행정구역별로는 팽성읍과 현덕면, 포승면에 가장 논이 많이 분포되어 있는 것으 로 나타났다. 또한 산림지역은 진위면에 넓게 분포되 어 있는 것으로 나타났고, 평택시와 송탄 일대는 도심 지가 넓게 형성되어 가장 개발이 많이 된 지역으로 나타났으며, 포승면에는 공단지역이 많이 분포되어 있는 것으로 나타났다.
- DGPS, 항공사진, 지형도 등을 이용하여 평가한 결과 간석지, 논 물 및 바다 등이 90%의 정확도를 보였으며, 밭, 비닐, 산림, 초지, 촌락 등은 낮게 평가되었다. 전체 정확도는 85.8%로 비교적 양호하게 평가되었으며 , 논 의 경우 92%의 높은 정확도가 나와 원격탐사 자료의 효용성이 큼을 알 수 있었다. 해양, 수역, 도심지 등 의 분류결과는 높게 나타났는데 반해 밭, 비닐하우스, 초지 등은 적은 면적으로 혼재되어 있기 때문에 분류 결과가 낮았다.
- 그리고 이 세 방법에 의한 결과를 종 합하여 하나의 결과로 나타낸 것이 Table 5이다. 평가 결과 정확도가 높게 평가된 지도조는 간석지, 논, 물 및 바다 등으로 90%이상 정확도를 보인 반면 나머지 지도조들은 비교적 낮게 평가되어졌다. 분류 정확도가 높게 평가된 지도조는 대체로 분포면적이 크고 수분함 량이 비교적 많이 함유한 동질성에 기인한 것으로 생 각된다.
후속연구
- 그러나 논의 경우는 분류 정확도가 92% 이상 으로 아주 높게 평가된 것은 6월에 담수상태로서 벼 의 활착기로서 독특한 분광반사값을 가지기 때문이다. 따라서 이 시기의 영상자료를 이용하면 논의 분포면적 을 비교적 정확하게 추정할 수 있을 것으로 판단된다. 이는 원격탐사를 이용하면 북한지역의 논의 분포현황 도 어느 정도 파악이 가능하다는 것을 시사하는 것이 다.
- 기본적으로 Landsat TM 데이터는 7개의 다분광 채널을 가지고 있어 지구탐사위성으로서 뛰어난 기능 을 갖추고 있으나 해상도가 비교적 떨어져 면적이 적 은 지역까지 분류하기에는 무리가 따른다. 특히 우리 나라와 같이 토지이용이 복잡한 지형을 분류하기 위해 선 앞으로 더 높은 해상력의 지구탐사 위성이 개발되 어져야 하며, 더 좋은 정확도 평가방법이 연구되어야 할 것으로 생각된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.