기후변화 예측 및 영향평가, 수치대기모형의 개선, 농업 및 산림생태계 관리 등 지역 및 지구규모에서 최신의 지표피복정보를 요구하고 있으나 NOAA-AVHRR을 이용하는 기존의 분류체계에서는 우리나라의 주요 식생인 벼논이 독립적으로 분류되지 못했다. Landsat-TM 등 상업적 위성자료를 이용할 경우 벼논의 정밀한 분류가 가능하나 갱신에 많은 노력과 시간이 필요하여 실용적이지 못하다. 본 실험에서는 쉽게 구할 수 있는 NOAA-AVHRR자료를 사용하되, 벼 군락의 시기별 분광특성차를 벼논피복의 검출에 이용하여 간단하면서도 신뢰성 있는 결과를 얻었다. 5월과 8월의 식생지수값의 지리적 분포특성에 근거하여 각각 유사한 특성을 가진 4개 그룹(도시, 삼림, 수역, 농경지)으로 나누고, 8월에 삼림으로 분류된 화소들 가운데 5월에는 수역으로 분류되는 화소들만 발췌하여 벼논으로 간주하는 방법이다. 이 방법에 의해 벼논으로 분류된 화소들을 1,455개 읍면 단위로 취합하여 재배 면적 및 그 분포를 농림부 통계자료와 비교한 결과 이 방법이 USGS의 분류방법 보다 정확하며 신뢰성이 있는 것으로 나타났다.
기후변화 예측 및 영향평가, 수치대기모형의 개선, 농업 및 산림생태계 관리 등 지역 및 지구규모에서 최신의 지표피복정보를 요구하고 있으나 NOAA-AVHRR을 이용하는 기존의 분류체계에서는 우리나라의 주요 식생인 벼논이 독립적으로 분류되지 못했다. Landsat-TM 등 상업적 위성자료를 이용할 경우 벼논의 정밀한 분류가 가능하나 갱신에 많은 노력과 시간이 필요하여 실용적이지 못하다. 본 실험에서는 쉽게 구할 수 있는 NOAA-AVHRR자료를 사용하되, 벼 군락의 시기별 분광특성차를 벼논피복의 검출에 이용하여 간단하면서도 신뢰성 있는 결과를 얻었다. 5월과 8월의 식생지수값의 지리적 분포특성에 근거하여 각각 유사한 특성을 가진 4개 그룹(도시, 삼림, 수역, 농경지)으로 나누고, 8월에 삼림으로 분류된 화소들 가운데 5월에는 수역으로 분류되는 화소들만 발췌하여 벼논으로 간주하는 방법이다. 이 방법에 의해 벼논으로 분류된 화소들을 1,455개 읍면 단위로 취합하여 재배 면적 및 그 분포를 농림부 통계자료와 비교한 결과 이 방법이 USGS의 분류방법 보다 정확하며 신뢰성이 있는 것으로 나타났다.
Land surface parameterization schemes for atmospheric models as well as decision support tools for ecosystem management require a frequent updating of land cover classification data for regional to global scales. Rice paddies have not been treated independently from other agricultural land classes i...
Land surface parameterization schemes for atmospheric models as well as decision support tools for ecosystem management require a frequent updating of land cover classification data for regional to global scales. Rice paddies have not been treated independently from other agricultural land classes in many classification systems, despite their atmospheric and ecological significance. A simple but improved method over conventional land cover classification schemes for rice paddy is suggested. Normalized difference vegetation index (NDVI) was calculated for the land area of South Korea at a 1km by 1 km resolution from the visible and the near-infrared channel reflectances of NOAA-AVHRR (Advanced Very High Resolution Radiometer). Monthly composite images of daily maximum NDVI were prepared for May and August, and used to classify 4 major land cover classes : urban, farmland, forests and water body. Among the pixels classified as "forests" in August, those classified as "water body" in May were assigned a "rice paddy" class. The distribution pattern of "rice paddy" pixels was very similar to the reported rice acreage of 1,455 Myons, which is the smallest administrative land unit in Korea. The correlation coefficient between the estimated and the reported acreage of Myons was 0.7, while 0.5 was calculated from the USGS classification.calculated from the USGS classification.
Land surface parameterization schemes for atmospheric models as well as decision support tools for ecosystem management require a frequent updating of land cover classification data for regional to global scales. Rice paddies have not been treated independently from other agricultural land classes in many classification systems, despite their atmospheric and ecological significance. A simple but improved method over conventional land cover classification schemes for rice paddy is suggested. Normalized difference vegetation index (NDVI) was calculated for the land area of South Korea at a 1km by 1 km resolution from the visible and the near-infrared channel reflectances of NOAA-AVHRR (Advanced Very High Resolution Radiometer). Monthly composite images of daily maximum NDVI were prepared for May and August, and used to classify 4 major land cover classes : urban, farmland, forests and water body. Among the pixels classified as "forests" in August, those classified as "water body" in May were assigned a "rice paddy" class. The distribution pattern of "rice paddy" pixels was very similar to the reported rice acreage of 1,455 Myons, which is the smallest administrative land unit in Korea. The correlation coefficient between the estimated and the reported acreage of Myons was 0.7, while 0.5 was calculated from the USGS classification.calculated from the USGS classification.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 단보에서는 NOAA-AVHRR 자료에 근거하여 남 한 내 벼논의 위치를 손쉽게 추정하는 방법을 소개한다. USGS에서 전 세계 육상생태계 피복분류도를 작 성할 때 최종 사용목적에 따라 다양한 분류항목을 적 용하였는데, 그 중 유일하게 1 "Global Ecosystems" 체계에서 “Rice Paddy and Field"가 독립된 분류항 목으로 설정되어있다(Olson, 1994).
이 과정에서 어떤 지역이 이앙기에 수체(water body)의 특징을 보이나 출수기에는 무성한 식생의 특징을 보이는 곳이면 벼 재배지역으로 판정하였는데, 이 방법으로 추정된 당진군의 벼 재배면적을 1:25,000 지형도를 이용하여 검증한 결과 92%의 정확도를 얻었다고 하였다. 본 실험에서도 벼논의 시기별 분광특성차를 이용하되 Landsat-TM 대신 NOAA-AVHRR 자료를 기반으로 분류하고자 하였다. 기상청 원격탐사과로 부터 1999년 5월과 8월의 한반도 NOAA-AVHRR 자료를 제공받아 Imagine 8.
제안 방법
이것을 농업총조사자료(MAF, 1996)에 수록 된 읍면별 벼 재배면적자료와 비교함으로써 이 방법의 신뢰도를 간접적으로 검증하였다. 이때 USGS의"Global Ecosystems" 분류체계에 의해 벼논으로 분류 된 화소들을 같은 방법으로 읍면 단위로 취합하고 함께 비교하였다.
5 화소 이내에 들도록 bilinear interpolation에 의해 재배열하였고, 최종화소의 크기를 1 kmX 1 km 해상도로 조정하였다. AVHRR의 다섯 개 채널 중 1번과 2번자료를 이용하여 NDVI를 계산하였다. NDVI는 전자기파장영역 중 가시광선과 근적외선 대를 이용하는 다양한 식생지수들 가운데 가장 널리 이용되며, 상대적으로 지형의 영향을 덜 받는 것으로 알려져 있다(Lyon et al.
본 실험에서도 벼논의 시기별 분광특성차를 이용하되 Landsat-TM 대신 NOAA-AVHRR 자료를 기반으로 분류하고자 하였다. 기상청 원격탐사과로 부터 1999년 5월과 8월의 한반도 NOAA-AVHRR 자료를 제공받아 Imagine 8.4 화상분석 소프트웨어(ERDAS, 1999) 상 에서 다음과 같은 처리과정을 거쳐 벼논특성을 가진 화소를 주줄하였다.
, 1998). 다음단계에서는 화 소별 최대값을 취해 중첩함으로써 월별 최대값 합성영 상(maximum value composite)을 얻어 iterative selforganizing data analysis(ISODATA) 기법에 의해 유사한 특성을 가진 4개 그룹(도시, 삼림, 수역, 농경지) 으로 나누었다. 각 그룹별 식생지수값을 비교해보면 수역은 0.
먼저 지상 기준점의 위치를 위성화상에서 동정하고 2차함수 변환에 의해 화상등록을 실시하였으며 , 평방근 오차(RMSE)가 0.5 화소 이내에 들도록 bilinear interpolation에 의해 재배열하였고, 최종화소의 크기를 1 kmX 1 km 해상도로 조정하였다. AVHRR의 다섯 개 채널 중 1번과 2번자료를 이용하여 NDVI를 계산하였다.
벼논으로 분류된 화소들을 읍면 단위로 취합하여 한 개 화소당 100 ha로 환산, 읍면별 벼 재배면적을 추 정하였다. 이것을 농업총조사자료(MAF, 1996)에 수록 된 읍면별 벼 재배면적자료와 비교함으로써 이 방법의 신뢰도를 간접적으로 검증하였다.
USGS에서 전 세계 육상생태계 피복분류도를 작 성할 때 최종 사용목적에 따라 다양한 분류항목을 적 용하였는데, 그 중 유일하게 1 "Global Ecosystems" 체계에서 “Rice Paddy and Field"가 독립된 분류항 목으로 설정되어있다(Olson, 1994). 우리의 방법으로 분류한 결과를 USGS의 한반도 벼논 분류결과와 비교 하고, 그 신뢰성을 농림부 통계자료에 의해 간접적으 로 검증하였다.
벼논으로 분류된 화소들을 읍면 단위로 취합하여 한 개 화소당 100 ha로 환산, 읍면별 벼 재배면적을 추 정하였다. 이것을 농업총조사자료(MAF, 1996)에 수록 된 읍면별 벼 재배면적자료와 비교함으로써 이 방법의 신뢰도를 간접적으로 검증하였다. 이때 USGS의"Global Ecosystems" 분류체계에 의해 벼논으로 분류 된 화소들을 같은 방법으로 읍면 단위로 취합하고 함께 비교하였다.
이렇게 세밀한 피복분류는 대기 -지표 관계나 생태계 연구를 위한 것이 아니라 지적도 작성, 작물재배면적 산출 등 경제적인 목적을 위한 것이 대부분이다. 환경부의 환 경지리정보 가운데는 앞서 언급한 한반도 전역의 대분 류 토지피복분류도 외에 경기도를 대상으로 Landsat- TM 자료와 IRS-1C 자료를 이용하여 벼논을 포함한 23개 분류항목에 따라 1:25,000 축척의 중분류 토지피 복분류도를 제작하였다. 국토면적이 좁고 지형이 복잡 하며 따라서 지표피복의 변이가 심한 우리 나라에서 1 km 이상의 공간해상도로 제작된 토지 피복분류도는 경제적인 목적으로는 이용가치가 적다.
성능/효과
Landsat-TM 등 상업적 위성자료를 이용할 경우 벼논 의 정밀한 분류가 가능하나 갱신에 많은 노력과 시간이 필요하여 실용적이지 못하다. 본 실험에서는 쉽게 구할 수 있는 NOAA-AVHRR 자료를 사용하되, 벼 군락의 시기별 분광특성차를 벼논피복의 검출에 이용하여 간단하면서도 신뢰성 있는 결과를 얻었다. 5월과 8월의 식생지수값의 지리적 분포특성에 근거하여 각각 유사한 특성을 가진 4개 그룹(도시, 삼림, 수역, 농경 지)으로 나누고, 8월에 삼림으로 분류된 화소들 가운 데 5월에는 수역으로 분류되는 화소들만 발췌하여 벼 논으로 간주하는 방법이다.
5월과 8월의 식생지수값의 지리적 분포특성에 근거하여 각각 유사한 특성을 가진 4개 그룹(도시, 삼림, 수역, 농경 지)으로 나누고, 8월에 삼림으로 분류된 화소들 가운 데 5월에는 수역으로 분류되는 화소들만 발췌하여 벼 논으로 간주하는 방법이다. 이 방법에 의해 벼논으로 분류된 화소들을 1, 455개 읍면 단위로 취합하여 재배 면적 및 그 분포를 농림부 통계자료와 비교한 결과 이 방법이 USGS의 분류방법 보다 정확하며 신뢰성이 있는 것으로 나타났다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.