본 연구는 평택 지역에 대한 Landsat TM 인공위성 자료를 이용하여 평택지역의 토지피복분류도를 만들고 DGPS, 항공사진, 지형도 등을 이용하여 보다 정확한 참조자료를 만들어 분류도의 정확성을 평가하고자 하였다. 논, 밭 등 12개 항목으로 분류하여 면적을 산출한 결과 1997년 6월 현재 평택시의 논면적은 16,157$\textrm{km}^2$, 밭면적은 4,949$\textrm{km}^2$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 85.8%로 비교적 양호하게 평가되었으며, 논의 경우 92%의 높은 정확도가 나와 원격탐사 자료의 효용성이 큼을 알 수 있었다. 해양, 수역, 도심지 등의 분류결과는 높게 나타났는데 반해 밭, 비닐하우스, 초지 등은 적은 면적으로 혼재되어 있기 때문에 분류 결과가 낮았다.
본 연구는 평택 지역에 대한 Landsat TM 인공위성 자료를 이용하여 평택지역의 토지피복분류도를 만들고 DGPS, 항공사진, 지형도 등을 이용하여 보다 정확한 참조자료를 만들어 분류도의 정확성을 평가하고자 하였다. 논, 밭 등 12개 항목으로 분류하여 면적을 산출한 결과 1997년 6월 현재 평택시의 논면적은 16,157$\textrm{km}^2$, 밭면적은 4,949$\textrm{km}^2$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 85.8%로 비교적 양호하게 평가되었으며, 논의 경우 92%의 높은 정확도가 나와 원격탐사 자료의 효용성이 큼을 알 수 있었다. 해양, 수역, 도심지 등의 분류결과는 높게 나타났는데 반해 밭, 비닐하우스, 초지 등은 적은 면적으로 혼재되어 있기 때문에 분류 결과가 낮았다.
The objective of this study was to evaluate land cover classification of PyeongTaeg area by Landsat Thematic Mapper Data June, 1997. This study was also to make more correct reference data using DGPS, aerophoto, and topographical chart etc.. The result of the area of paddy and upland were estimated ...
The objective of this study was to evaluate land cover classification of PyeongTaeg area by Landsat Thematic Mapper Data June, 1997. This study was also to make more correct reference data using DGPS, aerophoto, and topographical chart etc.. The result of the area of paddy and upland were estimated 4,949 $\textrm{km}^2$ and 16,157 $\textrm{km}^2$, respectively. Correctness of estimation by using DGPS, aerophoto, topographical chart were shown over 90% correct in case of rice paddy field, water, and sea, while upland, vinyl house, forest, grassland, village were shown low correctness. Total average accuracy was shown to be 85.8%. Correctness of paddy field showed high value of 92%, showing that use of remote sensing data was proved to be effective methods to estimate spatial distribution and cultivation status of paddy field. Classification result of sea, water area, downtown had higher correctness, while upland, vinyl-house, grassland were proved to be relatively low correctness because of it's small area and mixed distribution.
The objective of this study was to evaluate land cover classification of PyeongTaeg area by Landsat Thematic Mapper Data June, 1997. This study was also to make more correct reference data using DGPS, aerophoto, and topographical chart etc.. The result of the area of paddy and upland were estimated 4,949 $\textrm{km}^2$ and 16,157 $\textrm{km}^2$, respectively. Correctness of estimation by using DGPS, aerophoto, topographical chart were shown over 90% correct in case of rice paddy field, water, and sea, while upland, vinyl house, forest, grassland, village were shown low correctness. Total average accuracy was shown to be 85.8%. Correctness of paddy field showed high value of 92%, showing that use of remote sensing data was proved to be effective methods to estimate spatial distribution and cultivation status of paddy field. Classification result of sea, water area, downtown had higher correctness, while upland, vinyl-house, grassland were proved to be relatively low correctness because of it's small area and mixed distribution.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
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.