To improve the performance of climate and numerical models, concerns on the land-atmosphere schemes are steadily increased in recent years. For the realistic calculation of land-atmosphere interaction, a land surface information of high quality is strongly required. In this study, a new land cover m...
To improve the performance of climate and numerical models, concerns on the land-atmosphere schemes are steadily increased in recent years. For the realistic calculation of land-atmosphere interaction, a land surface information of high quality is strongly required. In this study, a new land cover map over the Korean peninsula was developed using MODIS (MODerate resolution Imaging Spectroradiometer) data. The seven phenological data set (maximum, minimum, amplitude, average, growing period, growing and shedding rate) derived from 15-day normalized difference vegetation index (NDVI) were used as a basic input data. The ISOData (Iterative Self-Organizing Data Analysis), a kind of unsupervised non-hierarchical clustering method, was applied to the seven phenological data set. After the clustering, assignment of land cover type to the each cluster was performed according to the phenological characteristics of each land cover defined by USGS (US. Geological Survey). Most of the Korean peninsula are occupied by deciduous broadleaf forest (46.5%), mixed forest (15.6%), and dryland crop (13%). Whereas, the dominant land cover types are very diverse in South-Korea: evergreen needleleaf forest (29.9%), mixed forest (26.6%), deciduous broadleaf forest (16.2%), irrigated crop (12.6%), and dryland crop (10.7%). The 38 in-situ observation data-base over South-Korea, Environment Geographic Information System and Google-earth are used in the validation of the new land cover map. In general, the new land cover map over the Korean peninsula seems to be better classified compared to the USGS land cover map, especially for the Savanna in the USGS land cover map.
To improve the performance of climate and numerical models, concerns on the land-atmosphere schemes are steadily increased in recent years. For the realistic calculation of land-atmosphere interaction, a land surface information of high quality is strongly required. In this study, a new land cover map over the Korean peninsula was developed using MODIS (MODerate resolution Imaging Spectroradiometer) data. The seven phenological data set (maximum, minimum, amplitude, average, growing period, growing and shedding rate) derived from 15-day normalized difference vegetation index (NDVI) were used as a basic input data. The ISOData (Iterative Self-Organizing Data Analysis), a kind of unsupervised non-hierarchical clustering method, was applied to the seven phenological data set. After the clustering, assignment of land cover type to the each cluster was performed according to the phenological characteristics of each land cover defined by USGS (US. Geological Survey). Most of the Korean peninsula are occupied by deciduous broadleaf forest (46.5%), mixed forest (15.6%), and dryland crop (13%). Whereas, the dominant land cover types are very diverse in South-Korea: evergreen needleleaf forest (29.9%), mixed forest (26.6%), deciduous broadleaf forest (16.2%), irrigated crop (12.6%), and dryland crop (10.7%). The 38 in-situ observation data-base over South-Korea, Environment Geographic Information System and Google-earth are used in the validation of the new land cover map. In general, the new land cover map over the Korean peninsula seems to be better classified compared to the USGS land cover map, especially for the Savanna in the USGS land cover map.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
USGS와 함께 IGBP 지면피복분류 자료 또한 널리 이용되고 있으나 IGBP의 지면피복은 USGS를 기반으로 이용 목적에 따라 재조합 및 재분류한 것으로 특히 한반도 영역에서 두 자료가 동일한 문제 (사바나 등)를 가지고 있는 것으로 확인 되었다 (강전호 외, 2007). 따라서 본 연구에서는 USGS 지면피복분류 자료를 대상으로 비교연구를 수행하였다.
본 연구에서는 GPS (Global Positioning System)를 이용한 현장관측을 통해 보다 정확한 검증자료를 확보하였다. 현장관측을 통해 수집한 결과들을 정리하여 각 지점별 동/서/남/북 4방위의 현장사진과 함께 지면피복 유형, 위/경도 및 고도, 행정구역을 포함하는 데이터베이스를 구축하였다.
제안 방법
MODIS 자료로부터 한반도의 지면피복을 분류하는 과정은 크게 4단계로 구성하였다. 1단계는 초기 MODIS 자료로부터 지면피복분류에 필요한 기본 입력자료를 준비하는 단계로 IMAPP을 이용한 전처리와 식생지수 계산 및 식생 계절변동 자료(최대치, 변동폭, 평균 등)를 도출하였다. 2단계에서는 변수들의 양과 변동을 동시에 고려하여 등질군집으로 분류하는 군집화기법 (ISOData)을 이용하여 한반도의 지면피복을 군집화 하였다.
특히 현장관측 자료는 GPS를 이용하여 남한 38개 지점의 지면피복유형을 직접 관측하여 구축한 DB로써 가장 신뢰성이 높은 검증 자료이다. Google-earth 자료와 환경지리정보의 식생조사표를 이용하여 부족한 검증자료를 보완하였다.
USGS는 한반도 영역을 낙엽 침엽수림, 나지 및 툰드라 등 바다를 제외한 17개 유형으로 분류하였으며, 상록 활엽수림은 포함하지 않았다. KLC는 도시, 농지, 혼합림 등 8개의 유형을 USGS 와 동일한 유형으로 분류하였고, USGS에서 분류하지 못한 상록 활엽수림을 더하여 총 9개 유형으로 분류하였다.
다양한 군집 수 (k)에 대해 군집화를 시험한 결과 우리나라의 경우 군집수가 10개일 때 각 군집의 평균 및 표준편차에서 군집간의 이질성이 가장 높은 것으로 나타났다. 각각의 군집에 대한 식생지수의 평균, 표준편차 및 지리적 분포특성, 평균고도 등을 분석하여 USGS 지면피복 정의 자료에 따라 각 군집의 지면피복 유형을 할당하였다.
3에 나타낸 방법을 적용하여 재분류하였다. 검증보조 자료인 고해상도 위성합성영상을 이용하여 각 지면피복 유형의 공간적 범위를 비교 및 결정하였다. 토지피복지도로부터 구한 한반도의 지면피복 유형별 비율에 따라 분류결과의 정량적 검증을 수행하였다.
한국항공우주연구원 (Korea Aerospace Research Institute: KARI) /공공원격탐사센터 (Korea Remote Sensing Center: KRSC) 로부터 입수한 MODIS 자료는 전처리를 거치지 않은 직수신 자료로써 직접 사용이 불가능하다. 본 연구에서는 MODIS 자료와 함께 제공받은 International MODIS/AIRS Processing Package (IMAPP)를 이용하여 비교적 간단한 방법으로 직수신 자료로부터 Level-1B 자료를 산출하였다.
본 연구에서는 Terra 및 Aqua 위성에 탑재된 MODIS 자료로부터 도출한 최근(2002~2004)의 식생지수를 이용하여 한반도 영역의 지면피복을 분류하였다. MODIS 식생지수 자료에 대해 ISOData기법 (Jensen, 1996)을 적용하여 군집화한 후, USGS 지면피복 정의 자료를 기준으로 지면피복을 분류하였다.
본 연구에서는 i와 j를 각각 700 × 1100으로 구성하였으며, 식생 계절 특성 자료 각각에 대해 같은 방법으로 자료를 작성하였다.
위성자료를 이용하여 지면정보를 산출하는 과정에서 구름 및 에어로솔 등과 같이 식생지수를 감소시키는 대기의 영향은 보정하거나 제거해야 한다. 본 연구에서는 구름의 영향을 제거하기 위하여 식생지수의 합성주기를 15일과 1개월로 하였고, 공간 해상도는 1 km로 작성하였다. 현재 이용 가능한 MODIS 자료의 최고 해상도는 250 m 이다.
본 연구에서는 구름에 오염된 화소를 최소한으로 줄이고 직하점에 가까운 화소를 선택하여 합성하도록 하는 최대치 합성법 (MVC)을 이용하였다 (Holben, 1986) 합성주기는 지표면 상태의 변화특성을 최대한으로 얻으면서 구름에 오염된 화소를 최소화 시킬 수 있는 주기로 보통 7, 10, 14일 주기를 이용하고 있다. 본 연구에서는 동아시아 여름몬순의 영향으로 6월~9월 사이에 구름이 지속적으로 발생하는 것과 겨울철 (12, 1, 2월)에 식생의 변동이 크지 않음을 고려하여 해당 시기에 대해서는 1개월 주기로 작성하였다. 그 외에 식생의 시간변동이 큰 3, 4, 5월과 10, 11월은 15일 주기로 작성하였다.
현재 우리나라에서 많이 활용되고 있는 자료는 USGS 지면피복 자료인데 이 자료에 대한 분석결과 우리나라에서 분류유형이 실제와 다른 것으로 나타났다. 본 연구에서는 한반도에서 보다 현실적인 지면-대기 상호작용의 계산에 필요한 지면경계조건의 개선을 위해 최근 3년간 (2002~2004년)의 MODIS 자료에 무감독 분류기법인 군집화(clustering) 기법을 적용한 후 현장관측자료 등의 검증 및 보조 자료를 이용하여 한반도의 지면피복을 분류하였다.
분석 결과에 따라 ±2σ 범위내의 영역만을 낙엽 활엽수림으로 할당하고 나머지 영역은 재할당을 위해 미분류영역으로 치환하였다.
분류결과에 대한 검증은 현장관측 자료를 이용한 검증을 가장 우선으로 하였다. 위/경도를 기준으로 관측지점과 분류자료의 해당 화소를 1:1로 비교하고 주변 화소의 유형을 분석하였다. 현장관측 자료와 다른 유형으로 분류된 화소 및 동일 유형의 주변 화소에 대해 Fig.
영역분리 결과 영역분리 전에 비해 식생의 변동폭이 커지고, 여름철에 크게 성장하였다가 겨울철에 최소가 되는 “낙엽 활엽수림”의 계절변동 특성에 조금 더 가까워 졌음을 알 수 있다. 위와 같이 각 군집에 대해 후처리 과정을 적용함으로써 군집을 분리 또는 통합하여 한반도의 지면피복을 분류하였다.
자료의 품질검사 및 선별을 위해 L1B 자료로부터 식생지수 계산에 필요한 채널 (Red: ch1, NIR: ch2)자료를 추출하여 영상처리 하였다. 자료선별의 기준은 지면 화소의 오염 정도로써 영상의 시각적 분석을 통해 자료를 선별하였다. 전체 영상의 약 80% 이상이 구름에 덮여 있거나 일그러짐 또는 뒤틀림 등의 정도가 심하여 지면상태 정보를 얻기 어려운 자료들을 제외하였다.
자료의 품질검사 및 선별을 위해 L1B 자료로부터 식생지수 계산에 필요한 채널 (Red: ch1, NIR: ch2)자료를 추출하여 영상처리 하였다. 자료선별의 기준은 지면 화소의 오염 정도로써 영상의 시각적 분석을 통해 자료를 선별하였다.
지면피복 분류결과의 각 유형별 구성 비율은 Table 2에 나타낸 바와 같다. 전체 분류영역 (한반도)의 각 유형별 구성 비율과 남한만의 구성 비율을 분석하여 검증자료로 이용된 환경지리정보의 식생조사결과와 비교하였다. 남한의 각 지면피복 유형별 구성 비율은 상록 침엽수림이 29.
검증보조 자료인 고해상도 위성합성영상을 이용하여 각 지면피복 유형의 공간적 범위를 비교 및 결정하였다. 토지피복지도로부터 구한 한반도의 지면피복 유형별 비율에 따라 분류결과의 정량적 검증을 수행하였다. 각 유형별 식생지수 평균, 표준편차 및 평균고도 등의 분석을 통한 검증도 수행하였다.
MODIS 식생지수 자료에 대해 ISOData기법 (Jensen, 1996)을 적용하여 군집화한 후, USGS 지면피복 정의 자료를 기준으로 지면피복을 분류하였다. 현장관측 자료 등 다양한 자료를 후처리 및 검증에 이용하였으며, USGS 지면피복 분류자료와의 비교연구를 수행하였다.
본 연구에서는 GPS (Global Positioning System)를 이용한 현장관측을 통해 보다 정확한 검증자료를 확보하였다. 현장관측을 통해 수집한 결과들을 정리하여 각 지점별 동/서/남/북 4방위의 현장사진과 함께 지면피복 유형, 위/경도 및 고도, 행정구역을 포함하는 데이터베이스를 구축하였다. 관측 시기에 구애받지 않으며 다른 식생과의 구별이 쉬운 농경지를 중심으로 도시 및 농지, 혼합림, 상록수림, 낙엽활엽수림 등의 식생 지역에 대해 남한 38개 지점의 관측 데이터베이스를 구축하였다.
대상 데이터
MODIS 자료로부터 도출한 식생지수를 기반으로 한반도의 지면피복을 분류하기 위하여 한반도를 지나는 최근 2년 (2003~2004년) 및 2002년 일부 자료를 이용하였다. 한국항공우주연구원 (Korea Aerospace Research Institute: KARI) /공공원격탐사센터 (Korea Remote Sensing Center: KRSC) 로부터 입수한 MODIS 자료는 전처리를 거치지 않은 직수신 자료로써 직접 사용이 불가능하다.
USGS 지면피복 자료는 전지구에 대해 1 km의 수평 해상도로 도시 (Urban and built-up land) 에서부터 눈 또는 얼음 (Snow or Ice) 까지 총 24개 유형으로 분류하였다. 이 자료는 1992년 4월부터 1993년 3월까지 10일 주기로 합성된 AVHRR 1 km 해상도 자료와 고도자료 등을 바탕으로 작성하였다.
현장관측을 통해 수집한 결과들을 정리하여 각 지점별 동/서/남/북 4방위의 현장사진과 함께 지면피복 유형, 위/경도 및 고도, 행정구역을 포함하는 데이터베이스를 구축하였다. 관측 시기에 구애받지 않으며 다른 식생과의 구별이 쉬운 농경지를 중심으로 도시 및 농지, 혼합림, 상록수림, 낙엽활엽수림 등의 식생 지역에 대해 남한 38개 지점의 관측 데이터베이스를 구축하였다. Fig.
1개월 또는 15일 주기로 작성된 식생지수 자료는 각각 7개와 10개로 총 17 set의 자료를 군집분류의 입력 자료로 이용하기에는 비효율적이다. 다른 연구들에서와 같이 효율적인 군집분류를 위해 자료의 양은 줄이고 식생의 계절변동 정보는 최대한 살리기 위하여 식생지수 최대치, 최소치, 연변동폭, 연평균, 성장/쇠퇴율 및 성장기간과 같은 식생의 계절변동 특성 자료를 산출하여 군집분류의 입력 자료로 이용하였다 (Loveland and Belward, 1997; Hansen et al., 2000).
본 연구에서는 그 대안으로 환경지리정보 (Environment Geographic Information System: EGIS)의 토지피복지도와 "호영출판사"의 "한국 아트라스" (서태열 과 pGEOS, 2005), 구글의 Google-earth (http://earth.google.com) 등을 검증보조 자료로 이용하였다.
영상분석에서 한반도가 약 30% 이상 위성의 관측각을 벗어난 경우에도 제외하였다. 영상분석을 통한 선별 과정에서 총 219일의 자료가 선정되었다.
USGS 지면피복 자료는 전지구에 대해 1 km의 수평 해상도로 도시 (Urban and built-up land) 에서부터 눈 또는 얼음 (Snow or Ice) 까지 총 24개 유형으로 분류하였다. 이 자료는 1992년 4월부터 1993년 3월까지 10일 주기로 합성된 AVHRR 1 km 해상도 자료와 고도자료 등을 바탕으로 작성하였다. 전지구 자료는 각 대륙별로 분류한 지면피복 분류자료를 하나의 자료로 통합하여 작성한 것이다.
6㎛) 채널에 대한 식생의 반사 또는 흡수 특성을 이용한 것으로 (NIR - Red) / (NIR + Red)로 산출하며, 값의 범위는 ±1이다. 지면피복 분류 정의 및 할당을 위해 USGS 지면피복 정의 자료를 이용하였으며, 분류결과의 검증에는 현장관측자료 및 고도자료, 고해상도 위성합성영상, 식생조사표 등의 자료를 이용하였다. 분류기법으로 ISOData 군집기법을 이용하였다.
4단계에서는 현장관측자료, Google-earth 및 환경지리정보의 식생조사표 등을 이용하여 분류결과를 검증하였다. 특히 현장관측 자료는 GPS를 이용하여 남한 38개 지점의 지면피복유형을 직접 관측하여 구축한 DB로써 가장 신뢰성이 높은 검증 자료이다. Google-earth 자료와 환경지리정보의 식생조사표를 이용하여 부족한 검증자료를 보완하였다.
한반도 영역의 지면피복 분류를 위해 본 연구에서는 Terra/Aqua 위성에 탑재된 MODIS 자료로부터 도출한 식생지수를 기초자료로 이용하였다. 식생지수는 상대적인 식생의 양과 상태를 지수로 나타낸 것으로, 식생요소 (녹색잎 총량, 잎면적 등)와 높은 상관성을 갖기 때문에 식생구분에 중요한 인자이다.
데이터처리
토지피복지도로부터 구한 한반도의 지면피복 유형별 비율에 따라 분류결과의 정량적 검증을 수행하였다. 각 유형별 식생지수 평균, 표준편차 및 평균고도 등의 분석을 통한 검증도 수행하였다.
이론/모형
본 연구에서는 Terra 및 Aqua 위성에 탑재된 MODIS 자료로부터 도출한 최근(2002~2004)의 식생지수를 이용하여 한반도 영역의 지면피복을 분류하였다. MODIS 식생지수 자료에 대해 ISOData기법 (Jensen, 1996)을 적용하여 군집화한 후, USGS 지면피복 정의 자료를 기준으로 지면피복을 분류하였다. 현장관측 자료 등 다양한 자료를 후처리 및 검증에 이용하였으며, USGS 지면피복 분류자료와의 비교연구를 수행하였다.
군집분석 방법으로 주로 기상위성과 같이 자원탐사 위성에 비해 해상도가 낮고 분석 영역이 광범위하여 지면피복별 기준자료를 구하기 어려운 경우에 적합한 무감독 분류방법 중의 하나인 ISOData기법을 이용하였다. 이 군집분석 방법은 k-평균 군집분석 방법에 기초하여 고안된 방법으로, 계산 속도가 빠르고 대량의 자료를 군집화 하는데 효과적인 것으로 알려져 있다 (이동규와 박정균, 1999; Everitt, 1993).
위성원격탐사를 이용한 지면정보 산출에 있어서 가장 큰 문제는 구름 및 에어로솔 등과 같은 대기상태의 영향을 제거하는 것이다. 본 연구에서는 구름에 오염된 화소를 최소한으로 줄이고 직하점에 가까운 화소를 선택하여 합성하도록 하는 최대치 합성법 (MVC)을 이용하였다 (Holben, 1986) 합성주기는 지표면 상태의 변화특성을 최대한으로 얻으면서 구름에 오염된 화소를 최소화 시킬 수 있는 주기로 보통 7, 10, 14일 주기를 이용하고 있다. 본 연구에서는 동아시아 여름몬순의 영향으로 6월~9월 사이에 구름이 지속적으로 발생하는 것과 겨울철 (12, 1, 2월)에 식생의 변동이 크지 않음을 고려하여 해당 시기에 대해서는 1개월 주기로 작성하였다.
지면피복 분류 정의 및 할당을 위해 USGS 지면피복 정의 자료를 이용하였으며, 분류결과의 검증에는 현장관측자료 및 고도자료, 고해상도 위성합성영상, 식생조사표 등의 자료를 이용하였다. 분류기법으로 ISOData 군집기법을 이용하였다. 지면피복 분류과정은 1)자료 선정 및 준비의 전처리과정, 2)군집을 분류하는 단계, 그리고 3)후처리 및 검증을 통해 군집분류 결과의 오류를 수정하고 재분류, 통합 및 지면피복을 정의하는 과정으로 나눌 수 있다 (Fig.
선정된 자료에 대해 최근법 (nearest neighbor method)을 적용하여 램버트 원추도법 (Lambert conformal conic projection)으로 작성한 동서 및 남북방향 700 x 1100화소의 기준 맵으로 투영하였다.
성능/효과
USGS 지면피복 자료의 경우 남한에서 사바나의 비율이 약 39% 로 가장 높게 나타났고, 관개농지와 혼합림이 각각 약 21%, 그리고 약 7%의 혼합 경작지와 소량의 다른 유형들로 구성된 것으로 나타났다. KLC 지면피복 자료는 상록 침엽수림이 가장 많고, 혼합림과 농경지 및 낙엽활엽수림 등으로 다양하게 분류한 것으로 나타났다. KLC는 USGS에 비해 도시영역을 약 3배 이상 많게 분류하였고, 건조농지도 약 2.
8은 새로 분류한 공주대 지면피복 KLC와 USGS 지면피복의 각 유형별 구성화소수가 1000개 이상인 유형만을 나타낸 것이다. USGS 지면피복 자료의 경우 남한에서 사바나의 비율이 약 39% 로 가장 높게 나타났고, 관개농지와 혼합림이 각각 약 21%, 그리고 약 7%의 혼합 경작지와 소량의 다른 유형들로 구성된 것으로 나타났다. KLC 지면피복 자료는 상록 침엽수림이 가장 많고, 혼합림과 농경지 및 낙엽활엽수림 등으로 다양하게 분류한 것으로 나타났다.
19%로 가장 낮게 나타났다. USGS의 농지유형과 KLC의 초지유형의 일치율이 KLC의 농지유형에 대한 일치율보다 큰 66.29%로 나타나고, KLC의 나지유형과의 일치도도 58.79%로 높게 나타난 반면, 두 자료의 초지유형과 나지유형의 일치율은 각각 16.19%, 20.79%로 비교적 낮게 나타났다. 이는 USGS 지면피복이 농지와 초지, 특히 사바나를 과하게 분류하면서 위치에서도 오차가 컸기 때문인 것으로 해석할 수 있다.
이는 USGS 지면피복이 농지와 초지, 특히 사바나를 과하게 분류하면서 위치에서도 오차가 컸기 때문인 것으로 해석할 수 있다. 그 결과, 동일 통합 유형의 평균 일치율은 약 33%에 그쳤고, 전체 평균 일치율은 38.59%로 나타났다. 그러나 24개 실제 지면피복 유형에 따른 비교분석에서는 13.
59%로 나타났다. 그러나 24개 실제 지면피복 유형에 따른 비교분석에서는 13.8%만이 일치하는 것으로 나타났다.
Table 3 은 Hansen and Reed (2000)의 연구에서와 같이 식생의 성장 패턴을 기준으로 Forest/Woodland, Grass/Shrubs, Crops, 그리고 Bare-ground의 4개 유형으로 통합하여 USGS와 KLC 지면피복의 일치율을 나타낸 것이다. 농지유형의 일치율이 63.38%로 가장 높게 나타났고, 초지유형의 일치율은 16.19%로 가장 낮게 나타났다. USGS의 농지유형과 KLC의 초지유형의 일치율이 KLC의 농지유형에 대한 일치율보다 큰 66.
한반도, 특히 남한에서는 위의 4개 유형이 주를 이루는 것으로 나타났으며 도시, 초지, 상록활엽수림 및 관목수림 등의 총량이 약 5%를 차지하는 것으로 나타났다. 도시의 비율은 환경 지리정보의 식생조사결과에 비해 절반 수준으로 분류되었으며, 혼합림은 약 10% 과하게 분류함으로써 아직 일정수준의 분류오차를 포함하고 있는 것으로 나타났다. 그밖에 농지 및 상록침엽수림 등의 구성 비율은 두 자료에서 유사한 결과를 보였다.
특히 USGS에서 사바나로 분류되었던 지역들이 본 분류에서는 대부분 혼합림과 낙엽활엽수림으로 분류되었다. 또한 현장관측자료, Google-earth 자료 및 환경부 자료 등을 이용하여 정성적 및 정량적으로 검증한 결과 본 연구에서 분류한 자료가 합리적임을 확인할 수 있었다.
그밖에 농지 및 상록침엽수림 등의 구성 비율은 두 자료에서 유사한 결과를 보였다. 본 연구에서 이용한 검증자료들로 정확한 오차수준을 제시할 수 없으나, Table 1과 2의 분석결과에 나타낸 지면피복 유형별 구성비율 및 일치비율을 통해 분류자료에는 아직 전이 오차 (commission error)와 누락오차 (omission error)가 포함되어 있음을 알 수 있다. 전이오차는 특정 유형으로 분류된 자료 중 해당 유형이 아닌 자료의 비율을 의미하며, 누락오차는 특정 유형의 분류자료 중 다른 유형으로 분류되는 자료의 비율을 의미한다 (성정창, 2000).
영역분리 결과 영역분리 전에 비해 식생의 변동폭이 커지고, 여름철에 크게 성장하였다가 겨울철에 최소가 되는 “낙엽 활엽수림”의 계절변동 특성에 조금 더 가까워 졌음을 알 수 있다.
9는 통합유형 (4-type)과 실제 분류유형에 따른 USGS와 KLC 지면피복 자료의 일치영역을 공간 분포로 나타낸 것이다. 통합유형을 기준으로 한 비교에서 주로 서울을 비롯한 대도시와 평야지대와 같은 광역의 농경지대 및 USGS에서 혼합림으로 분류한 영역에서 두 자료의 유형이 일치하는 것으로 나타났다. 그러나 동일 지면피복에 대한 비교에서는 대부분의 영역에서 두 자료가 서로 일치하지 않는 것으로 나타났다.
832의 구간으로 나타났다. 한반도 식생의 평균 성장률은 약 0.187/월 이고 평균 쇠퇴율은 약 -0.289/월로 서서히 성장하고 급격히 쇠퇴하는 것으로 나타났다. 이것은 한반도에 분포하는 식생들의 성장 시기 및 성장률이 종류에 따라 상이한 반면 낙엽 시기는 식생의 종류에 관계없이 거의 같은 시기에 나타나는 것에 의한 것으로 판단된다.
한반도의 지면피복 종류는 10종으로 하였으며 각 지면피복별 점유율은 낙엽활엽수림이 약 46%로 가장 많이 분포하고 혼합림이 15%, 건조농지와 초지가 약 13%, 상록침엽수림과 관개농지가 각각 10%와 8%이며, 그 외는 약 4%이내이다. 반면 남한에서는 상록침엽수림과 혼합림이 각각 30% 및 26%를 점유하는 것으로 나타났고 그 외 낙엽활엽수림, 관개농지 및 밭과 초지가 각각 15%, 12.
후속연구
현재 이용 가능한 MODIS 자료의 최고 해상도는 250 m 이다. 향후 연구에서는 대기보정 기법 등을 적용하여 시/공간적으로 보다 해상도가 높은 자료를 작성하고, 검증자료의 확보 방안을 마련해야 할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
지면피복 및 지면피복 분류자료란 각각 무엇인가?
지면피복이란 초지, 숲, 나지, 도시, 수계 등 다양한 유형으로 구성된 지구 표면의 물리적 특성을 의미하며, 유사한 특성을 가진 화소들의 조합으로 분류한 자료를 지면피복 분류자료라 한다. 지면피복은 기상조건과 함께 현열, 잠열, 운동량 및 온실기체 등의 교환과정을 의미하는 지면-대기 상호작용을 조절하는 주요 요소로써, 기후 및 수치모델에서 지면 경계조건 자료 중 가장 일반적으로 사용된다.
지면피복 분류과정은 어떻게 나눌 수 있는가?
분류기법으로 ISOData 군집기법을 이용하였다. 지면피복 분류과정은 1)자료 선정 및 준비의 전처리과정, 2)군집을 분류 하는 단계, 그리고 3)후처리 및 검증을 통해 군집분류 결과의 오류를 수정하고 재분류, 통합 및 지면피복을 정의하는 과정으로 나눌 수 있다 (Fig. 1).
지면피복 분류의 방법 두 가지는 무엇인가?
지면피복 분류의 방법은 크게 두 가지로 나눌 수 있다. 현장관측을 통한 직접 분류방법과 원격탐사 자료를 이용한 통계적 방법이 있다. 가장 정확한 방법임에도 불구하고 직접관측을 통한 광역의 지면피복 분류자료 구축은 현실적으로 불가능하다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.