위성영상을 활용한 변화탐지 기법은 다중시기의 영상을 이용하여 토지의 이용현황에 대한 자연적, 인위적 변화를 효율적으로 탐지할 수 있다. 변화탐지의 경우 위성영상의 보정 방법, 입력데이터 종류, 변화분석 기법에 따라 상이한 결과가 나타난다. 즉, 변화탐지를 위해 동일한 위성과 동일한 영상을 사용하여도 다양한 조건에 따라 다른 결과가 나타나기에 연구 목적에 맞는 적합한 분석기법을 적용해야 한다. 본 연구는 영상의 보정방법에 따른 절대방사보정과 상대방사보정한 위성영상을 기하보정 후 정규식생지수(NDVI)와 주성분분석(PCA)을 하고, 이를 차연산기법(ID:Image Difference)과 비연산기법(IR:Image Rationing)을 이용해 변화탐지 분석을 했다. 그 결과 ID-NDVI의 경우 식생 관련 변화탐지에 매우 우수한 정확도를 나타냈고, ID-PCA는 전 영역에서 90%의 정확도를 보였다. IR-NDVI는 90%의 정확도를 보였으나 전답${\rightarrow}$초지의 경우 70%이하로 나타났고, IR-PCA 역시 전 영역에 대해 우수한 변화탐지능력을 보였다.
위성영상을 활용한 변화탐지 기법은 다중시기의 영상을 이용하여 토지의 이용현황에 대한 자연적, 인위적 변화를 효율적으로 탐지할 수 있다. 변화탐지의 경우 위성영상의 보정 방법, 입력데이터 종류, 변화분석 기법에 따라 상이한 결과가 나타난다. 즉, 변화탐지를 위해 동일한 위성과 동일한 영상을 사용하여도 다양한 조건에 따라 다른 결과가 나타나기에 연구 목적에 맞는 적합한 분석기법을 적용해야 한다. 본 연구는 영상의 보정방법에 따른 절대방사보정과 상대방사보정한 위성영상을 기하보정 후 정규식생지수(NDVI)와 주성분분석(PCA)을 하고, 이를 차연산기법(ID:Image Difference)과 비연산기법(IR:Image Rationing)을 이용해 변화탐지 분석을 했다. 그 결과 ID-NDVI의 경우 식생 관련 변화탐지에 매우 우수한 정확도를 나타냈고, ID-PCA는 전 영역에서 90%의 정확도를 보였다. IR-NDVI는 90%의 정확도를 보였으나 전답${\rightarrow}$초지의 경우 70%이하로 나타났고, IR-PCA 역시 전 영역에 대해 우수한 변화탐지능력을 보였다.
Techniques for change detection using satellite images enable efficient detection of natural and artificial changes in use of land through multi-phase images. As for change detection, different results are made based on methods of calibration of satellite images, types of input data, and techniques ...
Techniques for change detection using satellite images enable efficient detection of natural and artificial changes in use of land through multi-phase images. As for change detection, different results are made based on methods of calibration of satellite images, types of input data, and techniques in change analysis. Thus, an analytic technique that is appropriate to objectives of a study shall be applied as results are different based on diverse conditions even when an identical satellite and an identical image are used for change detection. In this study, Normalized Difference Vegetation Index (NDVI) and Principal Component Analysis (PCA) were conducted after geometric calibration of satellite images which went through absolute and relative radiometric calibrations and change detection analysis was conducted using Image Difference (ID) and Image Rationing (IR). As a result, ID-NDVI showed excellent accuracy in change detection related to vegetation. ID-PCA showed 90% of accuracy in all areas. IR-NDVI had 90% of accuracy while it was 70% and below as for paddies and dry fields${\rightarrow}$grassland. IR-PCA had excellent change detection over all areas.
Techniques for change detection using satellite images enable efficient detection of natural and artificial changes in use of land through multi-phase images. As for change detection, different results are made based on methods of calibration of satellite images, types of input data, and techniques in change analysis. Thus, an analytic technique that is appropriate to objectives of a study shall be applied as results are different based on diverse conditions even when an identical satellite and an identical image are used for change detection. In this study, Normalized Difference Vegetation Index (NDVI) and Principal Component Analysis (PCA) were conducted after geometric calibration of satellite images which went through absolute and relative radiometric calibrations and change detection analysis was conducted using Image Difference (ID) and Image Rationing (IR). As a result, ID-NDVI showed excellent accuracy in change detection related to vegetation. ID-PCA showed 90% of accuracy in all areas. IR-NDVI had 90% of accuracy while it was 70% and below as for paddies and dry fields${\rightarrow}$grassland. IR-PCA had excellent change detection over all areas.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 PCA를 수행하여 한 개의 주성분 영상으로 정보를 집약시킨 후 재분석하는 방법을 사용하였는데, 이는 일반적으로 첫번째 주성분 영상에 대략 90%정도의 정보가 포함되기 때문이다. 결과는 그림 5와 같다.
이러한 일련의 방사보정과정들은 변화탐지 연구를 위해 위성영상의 분광정보 변화를 유지하면서, 대상지역의 밝기값 차이를 최소화하는데 목표를 두고 있다.
제안 방법
그리고 영상의 평균에서 표준편차를 계산해서 올바른 값이 선정되었는지 알아보기 위해 차영상기법(ID:Image Difference)을 수행하였으며, 이를 통해 변화분석기법의 정확도를 살펴보았다.
네 속성 값으로 각 년도별로 분류를 실시한결과 그림 8과 같다. 년도별 분류 영상 결과를 기준으로 각 변화탐지별 정확도를 알아보았다.
본 연구는 landsat Science data users handbook 에서 제시한 매개변수값을 기준으로 방사보정과 기하보정이 된 영상을 이용하여 NDVI, PCA 방식으로 영상을 분류 후 차연산기법 (ID)와 비연산기법(IR)에 의한 처리방식으로 변화를 탐지했다.
본 연구에서 변화탐지를 위해 입력자료와 분석방법 별로 각각 데이터를 구축했다. 우선 방사보정과 기하보정된 위성영상을 정규식생지수(NDVI)와 주성분분석(PCA)으로 영상을 분류하여, 각각 차연산기법(Image Differencing), 비연산 기법 (Image Rationing) 분석을 통해 토지피복 변화를 탐지했다.
본 연구에서는 NDVI, PCA 연산 결과를 아래의 식5를 이용해 변화탐지를 실시하였다.
본 연구에서는 절대, 상대 보정을 실시한 영상에서 식생지, 시가화지역, 수역 등 토지피복 분류 중 대분류의 변화를 탐지하는데 우수한 NDVI와 PCA 방식, 이 2가지 방식으로 변화를 검출했다. 동일한 지역이라도 지형, 태양고도, 그림자 등에 의한 영향을 감소시키기 위해 비연산기법(IR:Image Rationing)을 우선 수행하였으며, 그 외에 토양과 식생을 구분한 정보도 획득할 수 있다.
본 연구에서 변화탐지를 위해 입력자료와 분석방법 별로 각각 데이터를 구축했다. 우선 방사보정과 기하보정된 위성영상을 정규식생지수(NDVI)와 주성분분석(PCA)으로 영상을 분류하여, 각각 차연산기법(Image Differencing), 비연산 기법 (Image Rationing) 분석을 통해 토지피복 변화를 탐지했다.
상대방사보정은 이를 보정하기 위해 하나의 영상을 기준으로 밝기값을 정규화하는 것으로 그 방법에는 가우시안 방법, 히스토그램 매칭, 결정론적 방법, 선형회귀 등의 네 가지로 분류된 기법이 있다(Heo 등, 2000). 이중 본 연구에서는 가장 보편적으로 사용되고 있는 선형회귀 기법을 이용하여 방사보정을 실시하였다.
대상 데이터
사용된 영상은 육지의 자원탐사와 연안지역의 환경감시를 비롯한 각종 주제도 제작에 사용되는 Landsat ETM+영상이며, 7개의 다중분광밴드와 30×30m의 공간해상도가 특징이다. 변화탐지를 위해 본 연구에서는 취득한 Landsat 영상 중 계절적 시기가 비슷한 2000년 11월 영상과 2002년 10월 영상을 사용하였다.
영상 대 지도 기하보정은 영상좌표 화소의 열과 행을 바탕으로 지도좌표의 GCP를 이용한다. 본 연구에서는 국립지리원에서 제작한 1:25,000 축척의 수치지형도로 제작된 Coverage 와 Landsat ETM Pan 영상에서 쉽게 식별 가능한 지역을 선정하여 GCP를 선점하였다. 그 결과 RMSE값은 2000년은 7.
본 연구의 공간적 범위는 부산시 전역을 비롯해 진해시, 김해시 등을 포함한 50×40㎞ 지역으로, 부산과 김해의 도심지역과 부산시 강서구를 중심으로 한 농경지, 외곽쪽으로 골고루 분포된 산지, 낙동강의 담수역과 남해 해역 등 다양한 토지피복유형이 있는 곳으로 선정하였다(그림 1).
사용된 영상은 육지의 자원탐사와 연안지역의 환경감시를 비롯한 각종 주제도 제작에 사용되는 Landsat ETM+영상이며, 7개의 다중분광밴드와 30×30m의 공간해상도가 특징이다.
이론/모형
자료 연산방식에 따라 Image Difference 방식, Image Rationing 방식으로 분석하였다. 흑백화소중 변화된 곳은 흑색으로 나타내었다.
성능/효과
2000년 위성영상과 2002년 위성영상 상호간의 변환 정확도는 표 3에서 보는바와 같이 밴드 1이 가장 높은 0.9577값을 가졌으며, 밴드 7이 가장 낮은 0.8895값을 가졌다. 이는 근적외선대역에서 수증기에 의한 영향이 많아 발생한 것으로 사료되며 수증기 문제에 기인한다.
Image Difference 방식은 PCA자료를 활용할 경우 정확도가 높았고, Image Rationing 방식 NDVI자료를 활용할 경우 정확도가 높았다. 전처리방식별 자료구축결과는 그림 9~10와 같고, 정확도는 표 6과 같다.
본 연구를 통해 다중 시기의 위성영상의 입력데이터와 처리방법을 달리하여 분류한 결과 각 방식별로 장단점이 있는 것을 알 수 있었다. 그 중 가장 우수한 방식은 ID-PCA방식으로 나왔고, 그 이유는 NDVI의 경우 NIR, Red 밴드만을 사용하나 PCA방식은 전대역의 자료을 사용함으로 보다 많은 정보를 포함하므로 나타난 것으로 보인다.
넷째, IR-PCA방식은 전 영역에서 약 90% 적중을 보였지만, 전답→초지의 경우 50∼70%적중을 보이는 단점이 있었다.
둘째, ID-PCA방식은 전 영역에서 약 90%적중을 보였으나 PCA값 산정에 다소 시간이 소요되는 약점이 있었다. 그러나 대체적으로 우수한 변화탐지능력을 가지는 것으로 사료된다.
본 연구를 통해 다중 시기의 위성영상의 입력데이터와 처리방법을 달리하여 분류한 결과 각 방식별로 장단점이 있는 것을 알 수 있었다. 그 중 가장 우수한 방식은 ID-PCA방식으로 나왔고, 그 이유는 NDVI의 경우 NIR, Red 밴드만을 사용하나 PCA방식은 전대역의 자료을 사용함으로 보다 많은 정보를 포함하므로 나타난 것으로 보인다.
본 연구에서 사용한 NDVI는 1974년 Rouse 등 이 제시한 것으로 현재 가장 포괄적으로 사용되는 지수로서 농업부문에서 식량 및 섬유작물 생산량의 예측이 가능하고, 식생부문의 식생의 활력도, 생산성, 잎면적, 녹피율 등의 추정에 이용이 가능하다. NDVI를 구하기 위해 식 4를 이용했고, 결과는 그림 4와 같다.
셋째, IR-NDVI방식은 식생관련 변화탐지가 우수하나 기타부분에 미비한 ID-NDVI방식의 단점이 보완되어 전체적으로 약 90%적중을 보였다. 그러나 전답→초지의 경우 50∼70%적중을 보이는 단점이 있었지만, 대체적으로 우수한 변화탐지능력을 가지는 것으로 사료된다.
첫째, ID-NDVI방식은 녹지→개발된 경우 97%이상의 적중을 보였으나, 물→구름 5% 이내로 매우 낮았다.
질의응답
핵심어
질문
논문에서 추출한 답변
변화탐지 기법이란 무엇인가?
변화탐지 기법은 다른 시기의 두 데이터를 이용하여 대상지역의 자연적, 인위적 변화를 정량적으로 분석하는 방법이다. 이러한 변화탐지는 위성영상을 이용하여 대단위 지역의 변화를 정량적으로 알 수 있어 원격탐사에 있어 중요한 한 분야라 할 수 있다(Frank 등, 2003; Singh, 1989).
방사보정 과정들의 목표는 무엇인가?
이러한 일련의 방사보정과정들은 변화탐지 연구를 위해 위성영상의 분광정보 변화를 유지하면서, 대상지역의 밝기값 차이를 최소화하는데 목표를 두고 있다.
태양 방사도를 위한 정규화는 복사휘도량을 반사도로 변환하는 과정을 통해 이루어지며, 복사율 대신 반사율을 사용한다면 두 가지 장점이 있는데, 무엇인가?
첫 번째로 획득한 데이터 사이에서 시간차로 인한 다른 태양 천정 각도의 코사인 영향을 제거할 수 있다.
두 번째는 다중분광밴드 사이에서 발생되는 외기권 태양 방사도의 차이값을 상쇄할 수 있다. 절대방사보정을 위해 복사휘도량으로 변환을 수행하기 위해 표 1에서 제공한 값을 기준으로 아래의 식(Jensen,2005)을 사용해 계산하였다.
참고문헌 (10)
김대성, 김용일. 2008. 자동 PIF 추출을 통한 Hyperion 초분광영상의 상대 방사정규화 -변화 탐지를 목적으로. 한국측량학회지 26(5):129-137.
Chen, X., L. Vierling and D. Deering. 2005. A Simple and Effective Radiometric Correction Method to Improve Landscape Change Detection Across Sensors and Acrsoss Time, Remote Sensing of Environment, ISRSE, 98:63-79.
Frank, M. and M. Canty. 2003. Unsupervised Change Detection for Hyperspectral Image, JPL Publication, 8th publication.
Heo, J. and T.W. FitzHugh. 2000. A Standardized Radiometric Normalization Method for Change Detection Using Remotely Sensed Imagery, Photogrammetric Engineering & Remote Sensing ASPRS 66(2):173-181.
Janzen, D. T., A. L. Fredeen and R. D. Wheate. 2006. Radiometric Correction Techniques and Accuracy Assessment for Landsat TM Data in Remote Forested Regions Canadian Journal of Remote Sensing, 32(5):330-340.
Jensen, J. R. 2005. Introductory Digital Image Processing - A Remote Sensing Perspective, 3rd Edition, Prentice Hall, NY, USA, pp24-194.
Singh, A. 1989. Digital Change Detection Techniques Using Remotely Sensed Data, International Journal of Remote Sensing, ASPRS 68(12):1271-1280.
Rouse, J. W., R. H. Haas, J. A. Schell and D. W. Deering. 1974, "Monitoring vegetation Systems in the Great Plains with ERTS," Proceedings, 3rd Earth Resource Technology Satellite (ERTS) Symposium, Vol. 1, 48-62.
Landsat7 Science Data Users Handbook. http://landsathandbook.gsfc.nasa.gov.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.