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
- 이와 같이 생성된 DEM을 기반으로 공간분석을 위한 포괄적인 지형공간 데이터 모델링을 제안하혔다. 생성된 DEM과 model keypoint를 각각의 레 이 어와 도화 원도의 건물 레이어 및 도로 레이어를 통합하여 하나의 통합된 데이터를 생성하였다.
- 지역별 지형의 특성에 적합한 보간법은 점진적 보간방법(progressiveinterpolation)을 포함하고, 획일적이고 일률적인 보간법에 의존하지 않으며 효율적이고 지적인보간법 (intelligent interpolation) 석용이 가능한 정보를 제공하는 것이 목적이다.
- 이는 실세계를 반영하기 위한 정확성에서의 한계성을 가지므로 데이터 제작 시 다양한 데이터와 방법을 적용하면 보다 효율적인 데이터 생성이 가능할 것으로 판단된다. 효율적인 방법을 통해 보다 높은 정확도와 효과적인 DEM을 생성하고 다양한 정보를 포함하는 융통성 있는 통합적인 포괄적 지형공간 데이터를 생성하여 효율적이고 실용적인 데이터 생성에 목적이 있다.
제안 방법
- DEM을 생성하기 위한 방법으로는 지상측량, 종이지도, 수치지도, 항공사진, 위성영상 및 LiDAR 데이터를 이용하는 빙-법이 있으며 본 연구에서는 수치지도의 등고선과 표고점 데이터를 이용하여 DEM을 생성하였다. 표고데이터 추출은 AutoCAD의 LISP을 이용하여 등고선 레이어와 표고점으로부터 vertex에 내한 3차원 좌표 (X, Y, Z)를 추출하고 ArcGIS를 이용하여 shape 포맷으로 변환하여 사용하였다.
- 공간정보 데이터를 통합하기 위해 선행과정에서 생성된 DEM과 도화원도를 이용하여 하나의 종합적인 데이터로 통합하였다. 도화원도는 3차원의 정보를 포함하고있으므로 선행과정에서 생성된 DEM 데이터와 도화 원도의 건물 및 도로의 레이어와 통합하여 사용하면 공간정보 분석을 위한 포괄적인 데이터 생성이 가능하다.
- A et, 2003). 다중해상도의 DEM을 제작하기 위해서 지형의 특성을 고려하여 상이한 점 간격을 적용하여 제작한다. 해상도가 낮은 DEMe 데이터 용량이 작은 장점은 있으나 지형을 효과적으로 표현하지 못하는 단점이 있다(이근상 등, 2002).
- Model keypoint는 보간을 통한 격자형 식의 DEM을 제작하기 이전의 데이터로부터 지형의 특성을 표현하고 유지하는 중요한 데이터로서 추가적인 데이터로 이용하여 DEM의 정확도를 향상시 킬 수 있다. 또한 3차원의 공간정보를 포함하는 데이터의 융합을 위해 수치 지도의 원시 데이터인 도화원도로부터 건물 레이어와 도로 레이어, 하천 레이어를 DEM과 하나의 데이터로 통합하여 포괄적인 3차원 지형공간 데이터를 생성하였다.
- 데이터를 생성하였다. 또한 데이터의 재생산 과정에서 소요되는 시간과 비용을 효율적으로 절약하기 위하여 도화원도를 활용하였다.
- 본 과정에서 생성하는 다중해상도 DEMe 더욱 상세한 표현을 위해 산악지는 2m 해상도, 구릉지는 5m, 평지는 10m의 해상도를 적용하여 그림 6과 같이 다중해상도의 DEM을 생성하였다.
- 본 연구과정을 통해 생성된 DEM과 균일한5m 간격의 격자형 DEM을 정량적으로 비교하였다. 60개의 검사점을 선정하고 높이차를 계산하여 RMSE를 산출하였다.
- 본 연구는 그림 1과 같은 과정으로 진행 하였으며, 지형의 특성을 고려하여 산악지와 같은 지형이 형태가 복잡한 지역에서는 고해상도를 적용하고 평지와 같은 지형이 단순한 지역에서는 낮은 해상도를 적용하였다. 다중 해상도와 다중 보간법을 이용하여 생성된 DEM에 추가적으로 model keypoint 데 이 터를 생성하여 포함하였다.
- Model key- point의 선정은 선택영역, 점간의 거리 및 기복의 변화량을 기반으로 한다(이동천 등, 2005). 본 연구에서는 등고선과 표고점 데이터로부터 지형의 특성을 고려하여 점간의 거리 20m 범위에서 상이한 높이차 즉 산악지 Im, 구릉지 5m, 평 지 15m가 발생하는 점을 model key point로 추출하였다(그림 7참조).
- 생성된 DEM과 model keypoint를 각각의 레 이 어와 도화 원도의 건물 레이어 및 도로 레이어를 통합하여 하나의 통합된 데이터를 생성하였다. 또한 영상정보와 라이다의 반사 강도 정보 등의 다양한 특성 데이터를 추가적으로 제공하면 효율성이 향상될 수 있다.
- 생성된 데이터는 3차원의 공간좌표를 포함하고 있으므로 이를 직접 이용하여 효과적으로 3차원 공간 데이터를 구축하였다. 생성된 데이터의 각각의 레이어는 지형 및 지물에 대해 대표성을 가지는 데이터로서 DEM, model keypoint, 불연속선 레이 어를 이용하여 지형 및 지물을 효과적으로 표현하였다.
- 구축하였다. 생성된 데이터의 각각의 레이어는 지형 및 지물에 대해 대표성을 가지는 데이터로서 DEM, model keypoint, 불연속선 레이 어를 이용하여 지형 및 지물을 효과적으로 표현하였다. 불연속선은 표고 또는 경사가 급격히 변하는 경계선으로서 보간 수행시에서 제외시키므로 실제 지형 및 지물의 정확한 묘사가 가능하며.
- 선행과정에서 생성된 DEM에 불연속선 정보와 건물 및 도로를 추가하여 공간분석을 위한 포괄적인 지형 공간 데이터 모델링을 제안하기 위해 수치지도와 동일한 형태의 데이터를 생성하였다. 또한 데이터의 재생산 과정에서 소요되는 시간과 비용을 효율적으로 절약하기 위하여 도화원도를 활용하였다.
- 수치지도의 등고선과 표고점의 레이어로부터 추출된 표고 데 이 터 로부터 model keypoint를 추출하여 DEM의 정확도를 향상시 켰다.
- 정성적인 방법은 내상 지형을 전반적으로 파악하여 육안에 의해 히는 것으로 주간적인 판단에 의하며, 정량적인 방법은 지형의 기복 상태를 수치적인 방법으로 객관적인 판단이 가능하다(유복모 등, 1989). 연구 대상지역은 산악지와 구릉지, 도심지가 골고루 분포한 지형으로 그림 4와 같이 단면도를 작성하고 경사도와 기복 상태를 고려하여 지표를 분류하였다. 산악지는 평지와 구릉지에 비해 기복의 변화가 크며 경사가 급한 사면을 의미하며, 구릉지는 경사각이 약 5° 의 완만한 기복을 이루고 있는 지형을 의미한다.
- 통합하였다. 연구지역에 대해 지형분석을 통해 산악지, 구릉지, 평지로 분류하였으며, 분류된 지역을 지역의 특성에 적합한 보간법을 적용하고 데이터 용량의 효율성을 위해 각각의 지형별로 상이한 해상도를 적용하였다. DEM의 해상도는 격자간격에 의해 결정되며 지형의 기복이 큰 지역에는 고밀도의 데이터로, 기복이 작은 지역에는 저밀도의 데이터로 제작된다(양인태 등, 1997).
- 융통적인 DEM 생성과정에서 생성된 데이터와 도화 원도를 이용하여 공간정보 분석을 위한 다양한 데이터를 통합한 포괄적인 지형공간 데이터 모델링을 제안하였으며 이는 그림 12와 같다.
- 점 형태의 자료는 XY좌표를 기준으로 하는 도형자료와 문자의 속성자료로 구분되어 있는 평면의 도형정보이므로 3차원의 정보를 부여하기 위해 Feature Class로 변환하였다. 그림 11은 변환된 점 데이터를 보여주고 있다.
- 지형 분류는 지형의 특성에 따라 지표를 분류 한 것이며 지형의 특성에 따라 다른 해싱도-를 적용하여 DEM을 제작하기 위한 선행과정으로 연구지역에 대해 산악지, 구릉지, 평지로 분류하였다. 지형을 분류하는 방법으로는 정성적인 방법, 정량적인 방법 및 두 방법의 혼합하여 분류하는 방법이 있다.
- 산악지는 평지와 구릉지에 비해 기복의 변화가 크며 경사가 급한 사면을 의미하며, 구릉지는 경사각이 약 5° 의 완만한 기복을 이루고 있는 지형을 의미한다. 평지는 기복의 변화가 거의 발생하지 않으며 노심지 또한 평지로 분류하였다.
- 포괄적인 지형분석 데이터를 생성하고 정확도 향상과 효율성을 위해 DEM 생성 시 지형을 분석하고 분류하여 지형적 특성에 따라 서로 다른 해상도와 보간법을 적용하였으며 model Iceypoint와 건물, 도로 레이어를 추가하여 통합하였다. 연구지역에 대해 지형분석을 통해 산악지, 구릉지, 평지로 분류하였으며, 분류된 지역을 지역의 특성에 적합한 보간법을 적용하고 데이터 용량의 효율성을 위해 각각의 지형별로 상이한 해상도를 적용하였다.
- 생성하였다. 표고데이터 추출은 AutoCAD의 LISP을 이용하여 등고선 레이어와 표고점으로부터 vertex에 내한 3차원 좌표 (X, Y, Z)를 추출하고 ArcGIS를 이용하여 shape 포맷으로 변환하여 사용하였다. 그림 3은 추출된 표고데이터를 나타낸다.
대상 데이터
- 불연속선은 표고 또는 경사가 급격히 변하는 경계선으로서 보간 수행시에서 제외시키므로 실제 지형 및 지물의 정확한 묘사가 가능하며. 건물 레이어는 건물의 3차원 모델링에 활용하였다. 건물의 3차원을 구현하는 방법은 높이값을 가지는 건물 레이어의 외곽점으로 부터 DEM 까지 수직선을 연결하여 이때 생성되는 수직선의 연장은 보간된 DEM 표면까지로 하며, 연결된 수직선과 DEM의 면을 이용하여 건물의 벽 면을 형 성한다.
- 연구 대상지역은 대전광역시의 대덕구 일원으로 지형이 산악지, 구릉지, 평지, 도심지로 구분되며 지형의 특성별로 고루 분포한 지역을 선정하였다. 연구지역의 면적은 1996km으로 1:1,000 수치지도의 4도엽에 해당한다.
- 고루 분포한 지역을 선정하였다. 연구지역의 면적은 1996km으로 1:1,000 수치지도의 4도엽에 해당한다. 그림 2는 연구지역에 대한 수치지도이다.
- 지형분류, 다중해상도, 다중 보간법을 통해 생성된 데이터와 추출된 model keypoint로 DEM 데이터를 생성하였다. 생성된 DEM에는 각각의 과정에서 생성된 데이터에 대해 표 2와 같이 각각의 point에 해당하는 정보의 이력을 기록하여 데이터의 활용 시 선택적으로 사용할 수 있다.
- 도화원도는 3차원의 정보를 포함하고있으므로 선행과정에서 생성된 DEM 데이터와 도화 원도의 건물 및 도로의 레이어와 통합하여 사용하면 공간정보 분석을 위한 포괄적인 데이터 생성이 가능하다. 통합된 데이터는 벡터 데이터 형태로 점, 선, 면으로 구성되며 DEM과 model keypoint는 점의 형태이고 불연 속 선과 건물 및 도로는 선의 형태를 갖는 데이터이다(그림 10 참조).
- 포괄적인 공간정보 데이터의 레이어는 다중 해상도(2m, 5m, 10m) DEM과 model keypoint, 도화원도의 건물, 도로 및 불연석선 레이어로 구분된다. 포괄적인 지형 공간 데이터 모델링 시 데이터의 속성이 손실되므로 이는 메타데이터를 포함하여 데이터에 대한 정보를 제공할 수 있다.
데이터처리
- DEM을 정량적으로 비교하였다. 60개의 검사점을 선정하고 높이차를 계산하여 RMSE를 산출하였다. 표3은 수치지도로부터 추출된 표고데이터와 균일한 5m 격자형 DEM의 높이 차이를 계산하여 RMSE를 산출한 결과이며, 표4는 수치지도로부터 추출된 표고 데이터와 본 연구에서 생성된 포괄적인 지형공간 데이터의 DEM 높이 차이를 계산하여 RMSE를 산출한 결과이다.
이론/모형
- 본 연구에서는 kriging 보간법과, 최근린(Nearest neighbor) 보간법, 역 거리 가중(Inverse distance weight: IDW)보간법을 적용하여 DEM을 생성하였다. 그림5는 지형 특성별 디중 보간법 적용을 위해 상이한 보간법을 적용한 예이다.
- 한다. 본 연구에서는 지형분류를 통해 지형 특성에 적합한 보간법으로 산악지, 구릉지, 평지에 대해 산악지와 구릉지는 Kriging 보간법으로 평지에 대해서는 IDW(Inverse Distance Weight) 보간법을 적용하는 다중보간법을 적용하였다. 또한 산악지는 2m 해상도, 구릉지는 5m 해상도, 평지는 10m 해상도의 다중해상도를 적용하여 데이터의 효율성을 높였다.
성능/효과
- 7MB로써 2m 격자 간격의 DEM보다 50% 이상의 저장용량을 감소할 수 있었다. 그러나 데이터 해상도의 측면에서 효율적으로 표현되므로 각각의 DEM과 비교하여 해상도 및 용량의 측면에서 효율적인 데이터로 판단된다.
- 141m이었다. 그러므로 본 연구를 통하여 생성된 DEM이 기존의 방법에 의해 생성된 균일 간격의 격자형 DEM 보다 높은 정확도를 보였다. 그림 16은 X축을 기준으로 각각의 DEM의 높이차이(잔차)를 보여주고 있다.
- 기존의 DEMe 상세한 표현이 필요한 지역과 상세한 표현이 필요 없는 지역을 동일한 해상도로 제작하므로 데이터의 효율성이 떨어진다. 다중해상도 DEMe TIN 생성 시 요구되는 삼각망 및 노드를 감소시킬 수 있으며, 지형모델의 시각적인 측면에서 유사한 결과를 유지할 수 있다(Schilling.
- 4MB, 618KB 였다. 다중해상도 DEMe 약 5.7MB로써 2m 격자 간격의 DEM보다 50% 이상의 저장용량을 감소할 수 있었다. 그러나 데이터 해상도의 측면에서 효율적으로 표현되므로 각각의 DEM과 비교하여 해상도 및 용량의 측면에서 효율적인 데이터로 판단된다.
- 본 연구에서는 지형분류를 통해 지형 특성에 적합한 보간법으로 산악지, 구릉지, 평지에 대해 산악지와 구릉지는 Kriging 보간법으로 평지에 대해서는 IDW(Inverse Distance Weight) 보간법을 적용하는 다중보간법을 적용하였다. 또한 산악지는 2m 해상도, 구릉지는 5m 해상도, 평지는 10m 해상도의 다중해상도를 적용하여 데이터의 효율성을 높였다.
- 또한 데이터의 용량은 데이터 처리의 속도에 영항을 미친다. 본 연구에서 생성된 2m 규칙격자의 DEM의 경우 용량이 약 16MB이며 5m, 10m 격자간격의 DEMe 약 2.4MB, 618KB 였다. 다중해상도 DEMe 약 5.
- 수치지도로부터 추출된 표고데이터와 5m 규칙 격자 DEM의 RMSE는 0.319m이 며 수치 지도로부터 추출된 표고 데이터와 생성된 DEM의 RMSE는 0.141m이었다. 그러므로 본 연구를 통하여 생성된 DEM이 기존의 방법에 의해 생성된 균일 간격의 격자형 DEM 보다 높은 정확도를 보였다.
- 추출된 model keypoint는 DEM에 추가적인 데이터로 포함하면 지형을 더욱 정확하게 표현 할 수 있으며 정확도 향상이 가능하다.
후속연구
- 그러므로 효율적인 방법을 통해 보다 높은 정확도와 효과적인 DEM을 생성하고 다양한 정보를 추가하여 융통성 있는 통합적인 포괄적 지형공간 데이터를 생성하여 제공하면 기존의 DEM보다 활용 분야 및 목적별로 효율성을 증대시킬 수 있는 지형공간 분석 데이터의 생산이 가능할 것으로 판단된다.
- 생성된 DEM과 model keypoint를 각각의 레 이 어와 도화 원도의 건물 레이어 및 도로 레이어를 통합하여 하나의 통합된 데이터를 생성하였다. 또한 영상정보와 라이다의 반사 강도 정보 등의 다양한 특성 데이터를 추가적으로 제공하면 효율성이 향상될 수 있다.
- 이는 실세계를 반영하기 위한 정확성에서의 한계성을 가지므로 데이터 제작 시 다양한 데이터와 방법을 적용하면 보다 효율적인 데이터 생성이 가능할 것으로 판단된다. 효율적인 방법을 통해 보다 높은 정확도와 효과적인 DEM을 생성하고 다양한 정보를 포함하는 융통성 있는 통합적인 포괄적 지형공간 데이터를 생성하여 효율적이고 실용적인 데이터 생성에 목적이 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.