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
- 이 연구에서는 산사태 취약지에서의 토지피복상태의 분포 변화 추적과 산사태 취약지에서 정규식생지수(NDVI)의 분포변화를 추적하여, 산사태 취약지에서의 지표상태변화에 대한 연구를 수행하기 위해 다음과 같이 연구를 수행하였다.
- 1996). 이 연구에서는 이러한 원격탐사 변화탐지 기법과 이용목적에 따라 변화정보를 효율적으로 검색, 분석할 수 있도록 GIS기법을 연계하여 광범위한 지역에 대한 변화탐지를 수행하였다.
제안 방법
- 그림 8, 그림 9, 그림 10은 각각 1999년과 2000년, 2000년과 2001년, 2001년과 2003년에 대한 변화탐지 결과를 나타낸 그림이다. 각 연도별로 토지피복 분류항목이 산림지역(1), 경작지 및 초지(2), 수역(3), 도심지(4), 기타(5) 등 5개 항목이었던 것이 변화탐지결과 11, 12, 13, 14, 15, 21, 22, 23, 24, 25, 31, 32, 33, 34, 35, 41, 42, 43, 44, 45, 51, 52, 53, 54, 55 등 총 25개의 항목으로 재분류하였다. 여기서 11이란 산림지역(1)이 다음의 영상에서도 산림(1)에 해당하는 지역이라는 것을 의미하며, 12라는 것은 산림지역(1)이 다음의 영상에서는 농경지 및 초지(2)로 변화되었음을 의미한다.
- 고해상도 영상에 비해 비교적 가격이 저렴하고 자료획득이 용이한 Landsat 위성영상과 수치지형도를 이용하여 위성영상에 대한 기하보정을 실시하였고, 기하보정된 영상을 이용하여 토지피복에 대한 감독분류와 정규식생지수를 추출한 후 토지피복도와 정규식생지수분포도를 생성하였다. 다음으로 산사태 취약지에 대한 지표상태변화를 분석하였다.
- 고해상도 영상에 비해 비교적 가격이 저렴하고 자료획득이 용이한 Landsat 위성영상과 수치지형도를 이용하여 위성영상에 대한 기하보정을 실시하였고, 기하보정된 영상을 이용하여 토지피복에 대한 감독분류와 정규식생지수를 추출한 후 토지피복도와 정규식생지수분포도를 생성하였다. 다음으로 산사태 취약지에 대한 지표상태변화를 분석하였다. 이때 사용된 산사태 취약지는 산사태 취약A등급지로, 강원도 남부지역을 대상으로 산사태 취약성 평가를 통해서 취약A등급지로 평가된 지역이다.
- 산사태 취약지를 선정하기 위해 산사태를 유발하는 인자를 분류하고 AHP에 의해 각 유발인자들에 대한 경중률을 계산하였으며, GIS DB를 구축하여 산사태 취약지를 결정하였다. 또한 인공위성 영상(Landsat ETM)을 이용하여 토지피복도와 정규식생지수를 추출하고 앞서 구축한 산사태 취약지에서의 토지피복변화와 정규식생지수의 변화를 분석한 결과 다음과 같은 결론을 얻었다.
- 본 연구에서는 경사, 경사방향, 경사모양, 단층, 토양모암, 토양의 배수상태, 토양의 표토두께, 임상, 임상경급, 임상밀도 등 총 10개 항목의 산사태 유발인자를 AHP법에 의해 경중률을 부여한 후 GIS의 공간분석기능을 이용하여 산사태 취약지를 결정하였다.
- 산사태 취약지를 선정하기 위해 산사태를 유발하는 인자를 분류하고 AHP에 의해 각 유발인자들에 대한 경중률을 계산하였으며, GIS DB를 구축하여 산사태 취약지를 결정하였다. 또한 인공위성 영상(Landsat ETM)을 이용하여 토지피복도와 정규식생지수를 추출하고 앞서 구축한 산사태 취약지에서의 토지피복변화와 정규식생지수의 변화를 분석한 결과 다음과 같은 결론을 얻었다.
- 산사태 발생 취약A등급지의 결정은 이미 발표된 논문을 통하여 소개하였다(천기선, 2005). 이 연구에서는 그리드 연산과정을 용이하게 하기 위해서 화소값의 처리를 산사태 취약지의 경우는 1, 기타는 Nodata로 처리하였는데, 산사태 발생취약 A등급지에 포함되어 있는 그리드 화소수는 총 862,825개였다. 이것은 화소크기가 30m이므로 그 면적은 약 776.
- 기하학적 왜곡은 원격탐사 영상 내 각 점의 위치 변동을 의미하며, 이렇게 왜곡된 원격탐사 영상을 평면 위에 존재하는 기존의 지형도와 중첩시키기 위해서는 원격탐사 영상에 나타나는 각 점의 위치를 지형도와 같은 크기와 투영값을 갖도록 변환해 주어야 한다. 이 연구에서는 사용자가 원격탐사 영상과 수치지형도에서 식별 가능한 지상기준점(GCP : Ground Control Point)을 선정하고 원격탐사 영상과 지도상의 위치관계를 나타내는 좌표 변환식을 유도한 후 변환식을 이용하여 영상을 재배열하는 보정 방법을 사용하였다.
- 따라서 인공위성 영상으로부터 연도별 토지피복상태 및 식생활력상태를 분석하여 산사태 발생을 유발할 가능성이 있는 지표상에서의 이상변화를 추적할 필요가 있다. 이 연구에서는 산사태 발생에 영향을 끼치는 지표상태의 변화를 토지피복상태와 식생활력상태의 측면에서 접근하였으며, 토지피복도와 식생활력도를 추출하기 위해 Landsat 위성영상을 이용하였다.
- 이 연구에서는 원격탐사 기법에 의해 수행된 분류영상만을 제작하고 이를 다시 GIS의 그리드 자료로 변환한 다음 그리드의 연산기능을 이용하여 그리드의 화소값을 재배열하였다. 이후 서로 다른 시기의 그리드 자료(분류영상이 변환된 자료)를 통합하여 변화탐지를 실시하였다.
- 이 연구에서는 원격탐사 기법에 의해 수행된 분류영상만을 제작하고 이를 다시 GIS의 그리드 자료로 변환한 다음 그리드의 연산기능을 이용하여 그리드의 화소값을 재배열하였다. 이후 서로 다른 시기의 그리드 자료(분류영상이 변환된 자료)를 통합하여 변화탐지를 실시하였다. 그림 7은 GIS를 이용한 원격탐사 영상의 변화탐지 방법을 설명한 것으로서, 그림 7에서 설명한 것처럼 간단한 알고리즘을 작성하여 연구대상지역에서의 피복분포 변화를 분석하였다.
- 그는 토지피복도와 식생활력도를 추출하기 위해 JERS-1 OPS 위성영상의 VNIR 자료를 이용하였다. 토지피복도의 경우 삼림지, 농경지, 초지, 인공구조물, 수역 등으로 분류하고 이를 다시 3개의 등급으로 재분류하였으며, 식생활력지수를 추출하고 이를 다시 3개의 등급으로 재분류하여 산사태 발생가능지 예측을 수행하였다.
- 토지피복분류를 위해 이 연구에서는 분류항목을 산림, 농경지 및 초지, 수역, 도심지, 나대지 등 5개의 분류항목을 선정하였으며(표 4), 최대우도분류법을 이용하여 토지 피복분류를 수행하였다. 이 때 분류항목별 트레이닝 표본의 선정은 수치지형도를 참조하여 각각의 위성영상을 모니터상에 출력한 후 Resion Growing 기법을 이용하여 분류항목별로 선정되는 화소가 300화소 이상이 되도록 하여 트레이닝 표본을 선정하였으며, 1999년, 2000년, 2001년, 2003년도 영상에 대한 토지피복분류 정확도는 93.
대상 데이터
- 신진수(2001)는 산사태 발생가능지를 분석하기 위해 DEM, 지질도, 토지피복도, 식생활력도 등을 이용하였다. 그는 토지피복도와 식생활력도를 추출하기 위해 JERS-1 OPS 위성영상의 VNIR 자료를 이용하였다. 토지피복도의 경우 삼림지, 농경지, 초지, 인공구조물, 수역 등으로 분류하고 이를 다시 3개의 등급으로 재분류하였으며, 식생활력지수를 추출하고 이를 다시 3개의 등급으로 재분류하여 산사태 발생가능지 예측을 수행하였다.
데이터처리
- 52%로 나타났다. 분류결과의 정확도 검증은 오차행렬(Error Matrix)을 이용하여 검증을 수행하였다.
이론/모형
- 기하보정은 2003년 영상에 대해서 우선 Map to Image 방식으로 기하보정을 실시하고, 기타 3개의 영상들은 2003년 영상을 기준으로 Image to Image 방식을 이용하여 기하보정을 수행하였으며, 재배열 방법으로서 원래 자료의 화소값 변질을 줄일 수 있는 최근린내삽법을 이용하여 화소크기 30m×30m로 재배열하였다. 기하보정에 사용된 좌표변환식은 Affine 변환 방정식을 이용하였다.
성능/효과
- 둘째, 산사태 취약지에서의 정규식생지수를 분석한 결과 정규식생지수가 전반적으로 감소하고 있음을 알 수 있었다. 그러나 2001년 위성영상의 정규식생지수는 증가한 현상을 발견할 수 있었다.
- 표 8은 그림 12에서 산사태 취약A등급지에 포함되는 부분에 대한 정규식생지수 영상내 화소값의 분포를 나타낸 것이다. 정규식생지수의 영상내 화소값의 변화에 대하여 사용된 인공위성 영상의 촬영시기가 계절적으로 일치하지 않기 때문에 같은 조건에서 식생활력도의 변화를 추적할 수는 없었으나, 표 8과 그림 12에서 알 수 있듯이 전반적으로 정규식생지수가 감소하고 있음을 알 수 있다. 즉, 정규식생지수의 감소는 식생의 활력도가 낮아진다는 것을 의미한다.
- 첫째, 토지피복상태는 2003년 4월 영상을 제외하고는 산사태 취약지에서 산림의 분포가 많이 감소하고 있음을 알 수 있었고, 변화폭 또한 산림지역이 가장 많았으며, 특히 산림지에서 경작지나 초지로 변화된 지역이 가장 많은 것으로 분석되었다. 이러한 산림지역의 감소로 인한 토지상태의 변화는 산사태가 발생할 가능성이 점점 증가하고 있다는 것을 의미한다.
- 2000년 4월에는 강원도 삼척지역에 대규모 산불이 발생하여 산림이 훼손되었는데, 2000년도의 영상자료에서의 정규식생지수의 감소는 이러한 산림자원의 훼손과 매우 밀접한 관련이 있다고 판단된다. 특히 2001년의 정규식생지수의 일시적 증가는 1999년 및 2000년 영상이 가을 영상에서 추출한 정규식생지수인데 비하여 2001년 영상은 8월에 촬영된 여름 영상으로서 식물의 활력상태가 가을보다 여름철에 더 좋기 때문에서 오는 계절적 영향일 것으로 판단되며, 2000년 발생한 대형 산불 이후 피해지역 및 주변의 복구로 인한 결과인 것으로 판단된다. 2003년도의 식생활력도를 살펴보면 다른 시기에 비해 크게 감소한 것으로 나타나고 있는데 이는 4월에 촬영된 봄 영상으로 계절적 차이에 의한 결과로 판단된다.
후속연구
- 산사태 발생지를 분석하고 예측하기 위해 사용되는 자료들은 기존의 구축되어 있는 지도자료를 이용하여 수행할 수 있는데, 최근 인공위성 탐사기술의 발달과 자료의 제공으로 인공위성영상자료를 이용하여 지표정보를 얻는 방법이 유용하게 사용되고 있다. 이러한 인공위성 자료들로부터 자료를 지표정보를 취득하고 주제도를 제작함으로써 산사태 분야 및 지표분석 분야의 기초자료로 활용할 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.