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
- 진행되고 있다. 본 연구에서는 시계열 Landsat 위성 영상을 이용하여 도시화 변화를 탐지하고 그에 따른 온도 변화를 분석하여 다음과 같은 결론을 얻었다.
제안 방법
- 상세한 변화를 분석하였다. 1985년, 1991년, 2000년의 각각 두 장의 항공사진에 대하여 1차 다항식 기법을 적용하여 기하보정을 수행한 후 모자이크를 수행하였다. 1985년에서 2000년 사이에 이 지역 주변에 많은 변화가 있음을 육안으로 확인할 수 있다.
- 계산된 자료가 기상 온도 대신 쓰이는 것이 타당한지 검토하기 위해 기상청으로부터 제공된 그 당시의 실제 기온자료와 Landsat 영상으로부터 구한 서울시 지표 평균 온도와 비교하였다. 각 시기의 서울시 전체 평균 온도는 표 5와 같다.
- 또한, 동일한 훈련지역(training site)을 사용하여 동일한 분류 방법이 적용되었기 때문에 분류의 정확도는 큰 차이가 없을 것으로 판단되었다. 따라서 예측 가능한 토지 피복 분포 패턴을 벗어나고 있는 1994년도의 자료를 이용하여 분류결과에 대한 정확도를 검증하였다. 분류 정확도 검증은 무작위로 총 140 지역에 대하여 평가하였으며, 표 4는 1994년 토지 피복 분류의 정확도 검사 결과를 나타내는 분류 오차 표(error matrix)이다.
- 또한, 도시의 발달과 지표 온도의 상관성을 알아보기 위하여 Landsat 영상의 열적외선 파장 영역을 이용하여 온도를 추출하였다. 예측한 온도와 실제 온도와의 상관성을 살펴보고 토지피복별 온도를 산정하였다.
- 이 벡터 자료에 근거하여 Landsat 영상으로부터 서울 행정구역만을 추출하였으며, 사용된 다중 시기의 위성 영상은 1970년대부터 2000년도까지의 Landsat 영상으로서 사용된 영상의 특성은 표 1과 같다. 보다 정밀한 분석을 위해서는 동일 계절에 취득한 영상을 사용해야 하지만, 영상취득 여건상 약간의 계절적 차이가 발생한 영상을 활용하였다.
- 본 연구에서는 GIS(Geo-spatial Information System) 을 기반으로 원격탐측기법을 활용하여 서울시의 변화를 탐지하고자 하는 목적 아래, Landsat 영상을 준비하여 토지 피복/토지이용 분류를 수행함으로써 토지피복별 면적 변화량을 통하여 광역적 도시변화를 탐지하고 변화가 탐지된 지역에 한해 고해 항도 항공사진을 이용하는 계층적 방법을 사용함으로써 국지적 변화도 분석하였다. 또한, 도시의 발달과 지표 온도의 상관성을 알아보기 위하여 Landsat 영상의 열적외선 파장 영역을 이용하여 온도를 추출하였다.
- 본 연구에서는 미국의 지질조사국QJSGS) 및 국토 지리 정보원에서 정한 토지 피복 분류 항목을 참고하여 Landsat 영상에서 분류할 수 있는 일반적인 토지피복분류 항목을 선정하였고, 이에 따라 도심지역, 농업지역, 산림지역, 수계 지역의 4개 항목을 분류항목으로 구분하였다. 연구 지역이 서울지역이라는 특성 때문에 광산, 채석장, 모래사장 등의 나지 또는 늪, 염전 등의 습지는 나타나지 않을 것이므로 분류항목에서 제외하였다.
- 1985년에서 2000년 사이에 이 지역 주변에 많은 변화가 있음을 육안으로 확인할 수 있다. 본 연구에서는 변화된 지 역을 자동으류 추출하기 위하여 의사 컬러(pseudo color) 영상을 생성하여 분석하였으며, Layer stack 기법을 이용하여 각각 1985년, 1991년, 2000년 흑백 항공사진을 R, G, B 밴드로 지정하여 그림 5와 같이 컬러 사진으로 생성하였다.
- 앞에서 분류한 토지 피복 결과와의 비교를 위해 토지 피복에 따른 온도 분포를 구하고 또한 서울시의 경우 1980 년대에 이미 도시화가 많이 진행되었기 때문에 주어진 자료로 도시화가 온도에 미치는 영향을 파악하기 미흡하다고 판단하여 1980년대에서 1990년대로 감에 따라 새로이 개발된 일산 신도시와 분당신도시지역을 대상으로 1985년과 1994년의 지표 온도를 계산하였다. 1985년 영상의 경우 신도시 개발 전이고 1994년 영상의 경우 신도시 개발이 상당히 진행되어 마무리 단계이다.
- 영상획득과 동일시기에 제작된 지형도 또는 수치 지도를 참조자료로 사용하는 것이 일반적이지만 본 연구 지역에 대해 제작년도가 동일한 자료를 취득하는 것이 현실적으로 어려움이 있어서 환경부 자료로 대체하였다. 또한, 동일한 훈련지역(training site)을 사용하여 동일한 분류 방법이 적용되었기 때문에 분류의 정확도는 큰 차이가 없을 것으로 판단되었다.
- 또한, 도시의 발달과 지표 온도의 상관성을 알아보기 위하여 Landsat 영상의 열적외선 파장 영역을 이용하여 온도를 추출하였다. 예측한 온도와 실제 온도와의 상관성을 살펴보고 토지피복별 온도를 산정하였다. 최종적으로 신도시 지역에 대하여 온도를 추출한 결과 도심지 확장으로 인한 지표온도의 상승을 확인할 수 있었고 제안된 도심지 변화탐지 기법의 가능성을 제시할 수 있었다.
- 세기, 즉 지표 온도를 반영하고 있는 것이다. 이 영상의 밝기로부터 실제 온도를 계산하고 지표온도의 변화를 측정하기 위해 표면 방사 온도를 TM 열적외 자료로부터 유도하였다. 영상의 디지털 수(DN)를 방사온도로 변환하기 위한 2차 모델 식은 식 (1)과 같다(Malaret 등, 1985).
- 이 지역에 대해 보다 고해상도 영상인 항공사진을 이용하여 상세한 변화를 분석하였다. 1985년, 1991년, 2000년의 각각 두 장의 항공사진에 대하여 1차 다항식 기법을 적용하여 기하보정을 수행한 후 모자이크를 수행하였다.
- 해상도 30m인 Landsat 영상의 분류를 통해 대략적인 서울시의 토지이용의 변화를 탐지할 수 있으나 국부 지역에 대하여 상세한 변화를 탐지하기 위하여 계층적 방법을 도입하였다. 계층적 방법이란 먼저 지상 해상도가 낮은 위성영상을 사용하여 변화된 지역을 탐지하고 탐지된 지역을 중심으로 보다 높은 해상도의 영상을 이용하여 단계별로 변화를 탐지하는 것을 말한다.
대상 데이터
- 식 (2) 를 이용하여 Landsat 밴드 6 자료로부터 1985년, 1990년, 1994년의 지표 온도를 계산하였으며, 앞의 실험에서 쓰인 Landsat 영상 중에서 TM 센서의 자료만을 이용하였다. 계산된 자료가 기상 온도 대신 쓰이는 것이 타당한지 검토하기 위해 기상청으로부터 제공된 그 당시의 실제 기온자료와 Landsat 영상으로부터 구한 서울시 지표 평균 온도와 비교하였다.
- 연구 대상 지역은 서울시로서 1/1,000 지형도에서 서울 행정 경계를 수동독취(Digitizing)하여 벡터자료를 취득하였다. 이 벡터 자료에 근거하여 Landsat 영상으로부터 서울 행정구역만을 추출하였으며, 사용된 다중 시기의 위성 영상은 1970년대부터 2000년도까지의 Landsat 영상으로서 사용된 영상의 특성은 표 1과 같다.
- 이 벡터 자료에 근거하여 Landsat 영상으로부터 서울 행정구역만을 추출하였으며, 사용된 다중 시기의 위성 영상은 1970년대부터 2000년도까지의 Landsat 영상으로서 사용된 영상의 특성은 표 1과 같다. 보다 정밀한 분석을 위해서는 동일 계절에 취득한 영상을 사용해야 하지만, 영상취득 여건상 약간의 계절적 차이가 발생한 영상을 활용하였다.
- 한편, 계층적 변화탐지를 수행하기 위한 대상 지역은 마포구 성산동 월드컵 주 경기장 지역을 중심으로 선정하였고, 온도변화 탐지를 위한 대상지로는 일산 신도시 지역과 현재 분당구청이 있는 주변 지역을 선정하였다.
- 이 방법은 분류에 있어서 가장 높은 정확도를 나타내나 처리에 있어서 시간이 오래 소요된다(서동조 등, 1999). 훈련지역의 선정은 4개의 분류항목에 대하여 영상 전체에 고른 분포를 갖도록 하여 영상당 각각 10개를 선정하였다.
데이터처리
- 따라서 예측 가능한 토지 피복 분포 패턴을 벗어나고 있는 1994년도의 자료를 이용하여 분류결과에 대한 정확도를 검증하였다. 분류 정확도 검증은 무작위로 총 140 지역에 대하여 평가하였으며, 표 4는 1994년 토지 피복 분류의 정확도 검사 결과를 나타내는 분류 오차 표(error matrix)이다. 토지피복분류의 전체 정확도는 87.
- 토지 피복 분류 결과의 정확도를 평가하기 위해 환경부에서 1990년대에 제작한 중분류 토지피복지도를 참조 자료로 하여 1994년 분류 결과와 비교하여 정확도를 검증하였다. 영상획득과 동일시기에 제작된 지형도 또는 수치 지도를 참조자료로 사용하는 것이 일반적이지만 본 연구 지역에 대해 제작년도가 동일한 자료를 취득하는 것이 현실적으로 어려움이 있어서 환경부 자료로 대체하였다.
이론/모형
- 아래의 표 2는 본 연구에서 사용된 토지 피복/토지이용 분류항목에 관한 설명이다. 분류방법으로는 감독 분류 방법 중의 하나인 최대우도 분류법을 사용하였다. 최대우도분류법은 영상의 공분산 과 분 산을 계산하고 이것이 가우스 정규분포를 이룬다는 가정 하에 각 항목의 확률밀도함수를 계산하여 확률이 가장 높은 계급으로 분류하는 것이다.
성능/효과
- 둘째, Landsat 위성영상의 열적외선 파장대 자료를 이용하여 온도를 추출한 결과 기상청에서 발표한 실제 온도와는 차이를 보였으나 실제 지표 온도의 반영을 확인할 수 있었고, 도심지의 온도가 다른 지역의 온도보다 높고 도시화가 진행되면서 지표 온도가 상승함을 알 수 있었다.
- 영상획득과 동일시기에 제작된 지형도 또는 수치 지도를 참조자료로 사용하는 것이 일반적이지만 본 연구 지역에 대해 제작년도가 동일한 자료를 취득하는 것이 현실적으로 어려움이 있어서 환경부 자료로 대체하였다. 또한, 동일한 훈련지역(training site)을 사용하여 동일한 분류 방법이 적용되었기 때문에 분류의 정확도는 큰 차이가 없을 것으로 판단되었다. 따라서 예측 가능한 토지 피복 분포 패턴을 벗어나고 있는 1994년도의 자료를 이용하여 분류결과에 대한 정확도를 검증하였다.
- kappa 계수는 실제 일치성이 1에 접근하우연 일치 가능성이 0에 접근하면 1로 접근한다(김 선수 등, 2003). 본 연구 결과에서 kappa 계수는 0.77 정도로 실제 일치성이 높다고 할 수 있다.
- 셋째, 계층적 분류 개념과 의사 컬러 개념을 이용하여 성산동 월드컵 경기장 주변의 변화사항을 상세하게 얻을 수 있었다.
- 첫째, 서울시 변화탐지를 위한 토지 피복 분류결과 농지, 산림의 경우는 지속적인 감소를 보였고 수계의 경우 1985년까지 증가 추세를 보이다가 그 이후로 감소 현상을 나타내었다. 도심지의 경우는 꾸준히 증가하여 2000년에는 도심지 면적이 1973년에 약 3.
- 예측한 온도와 실제 온도와의 상관성을 살펴보고 토지피복별 온도를 산정하였다. 최종적으로 신도시 지역에 대하여 온도를 추출한 결과 도심지 확장으로 인한 지표온도의 상승을 확인할 수 있었고 제안된 도심지 변화탐지 기법의 가능성을 제시할 수 있었다. 본 연구의 자료처리 과정은 다음 그림 1과 같다.
- 이와 같은 결과는 환경부 토지피복지도 자체의 오차와 두 비교기준이 같은 연도에 제작된 데이터가 아니기 때문에 내포하는 오차를 감안하면 신뢰성 있는 분류 결과라 할 수 있다. 클래스별 평균 정확도를 살펴보면 산림지역 91.30%, 수계지역 85.71%, 도심지역 85.37%, 농지 80.00%로써 산림지역의 정확도가 가장 높았고 농경 지역의 정확도가 가장 낮았는데 도심지와 산림지역의 면적이 상대적으로 크고 수계 지역의 경우 밝기값 분포가 일정하여 분류정확도가 높은 것으로 분석된다. 실제로 변화된 지역을 변화된 지역으로 탐지하는 생산자 정확도의 경우, 농지의 경우 비교적 낮은 정확도를 나타냈고 이는 분류항목에 농지와 황무지의 구분이 없어서 공사 중인 황무지 부분이 농지로 포함된 부분도 있고 도심지로 포함된 부분도 있어서 나타난 결과로 분석된다.
- 보통 오전 10 시 30분경의 온도가 하루 평균온도보다 약 1~2℃ 정도 높게 계산되고(기상청, 1996), 그 차이는 기온이 낮을수록 더 심하다. 표 5에실제 온도가 바와 같이 취득한 온도 자료와 실제실제 온도와일한 순서를 나타내고 실제온도와 취득된 자료와의 온도 차이가 낮은 온도에서 더 크게 나타나는 점으로 볼 때 인공위성 자료를 사용하여 예측한 온도 값이 실제 기온 값을 반영하는 값임을 확인할 수 있다.
후속연구
- 많은 차이가 존재한다. 그러나 본 논문에서는 대상 지역의 정확한 온도를 추출해내는 것보다 인공위성 영상 데이터를 이용한 온도측정에 의한 도시화로 인한 온도의 변화 분석과 그 응용성 검토가 목적이므로 정확한 실제 온도가 측정되지 못하더라도 상대적인 온도 분포만으로도 상당한 가치가 있을 것으로 사료된다. Landsat 영상이 취득되는 시간은 위성이 우리나라를 통과할 때의 시각인, 대략 오전 10시 30분경이다(Sabins, 1997).
- 본 연구에서 사용된 시계열 Landsat 영상은 계절적 차이가 존재하는 영상으로서 동일 계절에 취득된 영상을 활용할 경우보다 정밀한 분석이 가능할 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.