본 연구는 다양한 고해상도 위성영상을 사용하여 토지피복도를 제작하고 영상종류와 피복도의 분류에 따른 정확도를 비교함에 목적이 있다. 토지피복도 작성시 세분류의 다양함을 위해 시가지와 농지, 수역 등을 포함하는 낙동강 하구 일대를 연구지역으로 선정하였고, 1m 이상의 해상도를 가지는 KOMPSAT2, QuickBird, IKONOS, 항공사진등을 육안판독 후 분류 하였다. 영상과 피복분류에 따른 토지피복도를 작성 후 상호 비교 한 결과 영상별 정확도는 항공사진과 QuickBird가 KOMPSAT2와 IKONOS 보다 상대적으로 높은 것으로 나타났고, 분류방법에 따른 일치도는 대분류의 경우 0.934~0.956, Kappa value는 0.905~0.937, 중분류의 일치도는 0.888~0.913, Kappa value는 0.872~0.901, 세분류의 일치도는 0.833~0.901, Kappa value는 0.813~0.888로 나타났다. 또한 영상별 혼돈발생 정도는 분류 항목에 따라 대분류의 경우 시가화 건조지역과 나지의 혼돈이 발생했고, 중분류는 논, 밭, 하우스 재배지, 인공초지에서 주로 발생하며, 세분류의 경우 자연녹지, 시설물 경작지, 간석지와 해수면으로 주로 나타났다. 본 연구를 통해 토지피복도 작성시 육안판독에 의한 고해상도 영상분류는 전체 80% 이상의 일치도를 나타내어 활용이 가능했고, 고해상도 영상을 사용할수록 정확한 분류가 가능하며 영상의 촬영시기가 토지피복도 작성에 중요함을 알 수 있었다.
본 연구는 다양한 고해상도 위성영상을 사용하여 토지피복도를 제작하고 영상종류와 피복도의 분류에 따른 정확도를 비교함에 목적이 있다. 토지피복도 작성시 세분류의 다양함을 위해 시가지와 농지, 수역 등을 포함하는 낙동강 하구 일대를 연구지역으로 선정하였고, 1m 이상의 해상도를 가지는 KOMPSAT2, QuickBird, IKONOS, 항공사진등을 육안판독 후 분류 하였다. 영상과 피복분류에 따른 토지피복도를 작성 후 상호 비교 한 결과 영상별 정확도는 항공사진과 QuickBird가 KOMPSAT2와 IKONOS 보다 상대적으로 높은 것으로 나타났고, 분류방법에 따른 일치도는 대분류의 경우 0.934~0.956, Kappa value는 0.905~0.937, 중분류의 일치도는 0.888~0.913, Kappa value는 0.872~0.901, 세분류의 일치도는 0.833~0.901, Kappa value는 0.813~0.888로 나타났다. 또한 영상별 혼돈발생 정도는 분류 항목에 따라 대분류의 경우 시가화 건조지역과 나지의 혼돈이 발생했고, 중분류는 논, 밭, 하우스 재배지, 인공초지에서 주로 발생하며, 세분류의 경우 자연녹지, 시설물 경작지, 간석지와 해수면으로 주로 나타났다. 본 연구를 통해 토지피복도 작성시 육안판독에 의한 고해상도 영상분류는 전체 80% 이상의 일치도를 나타내어 활용이 가능했고, 고해상도 영상을 사용할수록 정확한 분류가 가능하며 영상의 촬영시기가 토지피복도 작성에 중요함을 알 수 있었다.
The aim of this study is to produce land cover maps using satellite imagery with various degrees of high resolution and then compare the accuracy of the image types and categories. For the land cover map produced on a small-scale classification the estuary area around the Nakdong river, including an...
The aim of this study is to produce land cover maps using satellite imagery with various degrees of high resolution and then compare the accuracy of the image types and categories. For the land cover map produced on a small-scale classification the estuary area around the Nakdong river, including an urban area, farming land and waters, was selected. The images were classified by analyzing the aerial photos taken from KOMPSAT2, Quickbird and IKONOS satellites, which all have a resolution of over 1m to the naked eye. Once all of the land cover maps with different images and land cover categories had been produced they were compared to each other. Results show that image accuracy from the aerial photos and Quickbird was relatively higher than with KOMPSAT2 and IKONOS. The agreement ratio for the large-scale classification across the classification methods ranged between 0.934 and 0.956 for most cases. The Kappa value ranged between 0.905 and 0.937; the agreement ratio for the middle-scale classification was 0.888~0.913 and the Kappa value was 0.872~0.901. The agreement ratio for the small-scale classification was 0.833~0.901 and the Kappa value was 0.813~0.888. In addition, in terms of the degree of confusion occurrence across the images, there was confusion on the urbanized arid areas and empty land in the large-scale classification. For the middle-scale classification, the confusion mainly occurred on the rice paddies, fields, house cultivating area and artificial grassland. For the small-scale classification, confusion mainly occurred on natural green fields, cultivating land with facilities, tideland and the surface of the sea. The findings of this study indicate that the classification of the high resolution images with the naked eye showed an agreement ratio of over 80%, which means that it can be used in practice. The findings also suggest that the use of higher resolution images can lead to increased accuracy in classification, indicating that the time when the images are taken is important in producing land cover maps.
The aim of this study is to produce land cover maps using satellite imagery with various degrees of high resolution and then compare the accuracy of the image types and categories. For the land cover map produced on a small-scale classification the estuary area around the Nakdong river, including an urban area, farming land and waters, was selected. The images were classified by analyzing the aerial photos taken from KOMPSAT2, Quickbird and IKONOS satellites, which all have a resolution of over 1m to the naked eye. Once all of the land cover maps with different images and land cover categories had been produced they were compared to each other. Results show that image accuracy from the aerial photos and Quickbird was relatively higher than with KOMPSAT2 and IKONOS. The agreement ratio for the large-scale classification across the classification methods ranged between 0.934 and 0.956 for most cases. The Kappa value ranged between 0.905 and 0.937; the agreement ratio for the middle-scale classification was 0.888~0.913 and the Kappa value was 0.872~0.901. The agreement ratio for the small-scale classification was 0.833~0.901 and the Kappa value was 0.813~0.888. In addition, in terms of the degree of confusion occurrence across the images, there was confusion on the urbanized arid areas and empty land in the large-scale classification. For the middle-scale classification, the confusion mainly occurred on the rice paddies, fields, house cultivating area and artificial grassland. For the small-scale classification, confusion mainly occurred on natural green fields, cultivating land with facilities, tideland and the surface of the sea. The findings of this study indicate that the classification of the high resolution images with the naked eye showed an agreement ratio of over 80%, which means that it can be used in practice. The findings also suggest that the use of higher resolution images can lead to increased accuracy in classification, indicating that the time when the images are taken is important in producing land cover maps.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 기존의 영상학적 분류기법에 따른 토지피복과 달리 1m 급 이상의 고해상도 영상들을 이용해 육안판독에 의한 낙동강 하구 일대의 토지피복도를 작성하며, 작성된 토지피복도의 상대적 비교와 영상학적 판단을 통해 정확도를 산정함에 있다.
제안 방법
본 연구는 1m급 이상의 고해상도 위성영상과 항공사진을 이용해 육안판독에 의한 동일지역의 토지피복도를 대분류, 중분류, 세분류로 작성 하였고, 작성된 토지피복도의 정확도 분석 및 비교를 하였다.
토지피복도 작성은 환경부(2008) 토지피복도 제작규정에 의거 대분류와 중분류를 하였으며 세분류의 경우 부산광역시(2007) 비오톱 지도 제작 규정에 의한 항목을 기준하였다. 이는 환경부 토지피복도 제작규정이 일부 토지이용적 측면이 포함되어 하천 주변지역의 조도계산에 직접적으로 사용되는 토지피복과 일부 상치되며, 또한 본 연구의 토지피복도 작성 시 수문학적 계산에 입력되는 내용을 원칙으로 하되, 토지피복적 관점만 이용하고 토지이용적 관점은 이용하지 않기에 토지피복적 성격이 보다 강한 부산광역시 비오톱 지도 작성 시 이용되는 토지피복분류의 세분류 항목을 사용하였다.
토지피복도 작성시 높은 정확도와 계절적 토지피복 변화를 고려해 영상학적 분류 기법을 제외한 시간적·물적 노력이 많이 소요되는 육안판독에 의해 자료를 구축하였고, 영상별 토지피복도 제작결과는 표 2와 같다.
대상 데이터
국토 관리를 위한 항공사진은 국토의 보존과 시설물 관측을 위해 국가에서 일정한 주기로 관측되고, 그 형태는 사진 또는 투명양화필름을 사용해 보관하며 흑백의 영상과 저해상도로 관측되었다. 그러나 최근 공간정보 기술의 발달로 인해 항공라이다와 함께 육안판독이 가능한 고해상도의 다중분광 영상으로 획득 한다.
본 연구의 대상 지역은 부산광역시 강서구와 사하구 경계에 위치한 을숙도 주변의 서부산권역 일대 4.92 × 4.92㎞이며 면적은 약 24.2㎢ 이다.
데이터처리
토지피복도 분석시 시기별 변화와 영상간의 차이를 나타내기 위해 피복 분류방법별 SPSS 13.0을 이용해 Kappa value 와 일치도를 산정하여 비교하였다(표 3∼8).
이론/모형
토지피복도 작성은 환경부(2008) 토지피복도 제작규정에 의거 대분류와 중분류를 하였으며 세분류의 경우 부산광역시(2007) 비오톱 지도 제작 규정에 의한 항목을 기준하였다. 이는 환경부 토지피복도 제작규정이 일부 토지이용적 측면이 포함되어 하천 주변지역의 조도계산에 직접적으로 사용되는 토지피복과 일부 상치되며, 또한 본 연구의 토지피복도 작성 시 수문학적 계산에 입력되는 내용을 원칙으로 하되, 토지피복적 관점만 이용하고 토지이용적 관점은 이용하지 않기에 토지피복적 성격이 보다 강한 부산광역시 비오톱 지도 작성 시 이용되는 토지피복분류의 세분류 항목을 사용하였다.
성능/효과
IKONOS는 KOMPSAT2의 결과와 같이, KOMPSAT2와 일치도가 높고, QuickBird와 일치도가 낮게 나타났다. QuickBird는 항공사진과 일치도가 높고, KOMPSAT2와 일치도가 낮게 나타났다.
정사처리된 영상은 그림 3과 같다. QuickBird와 항공사진의 경우 정사보정된 영상을 제공받았으며, IKONOS와 KOMPSAT2 는 RPC를 이용해 보정한 결과 IKONOS 오차량의 표준편차는 Vx = 1.329, Vy = 0.589, RMSE=1.454였으며, KOMPSAT2 오차량의 표준편차는 Vx = 3.255, Vy = 1.031, RMSE=3.414로 나타나 연구에 활용 가능했다.
925로 영상의 상이함으로 인한 불일치는 매우 낮은 것으로 나타났다. 가장 높은 일치도는 항공사진과 QuickBird이며 가장 낮은 일치도는 QuickBird와 KOMPSAT2였다. 이런 결과는 해상도와 관련이 높을 것으로 판단된다.
넷째, 영상별 혼돈발생 정도는 분류 항목에 따라 대분류의 경우 시가화 건조지역과 나지의 혼돈이 발생했고, 중분류는 논, 밭, 하우스 재배지, 인공초지에서 주로 발생하며, 세분류의 경우 자연녹지, 시설물 경작지, 간석지와 해수면으로 주로 나타났다.
대분류 지도간 비교 분석한 결과 나지↔시가화 건조지역 간 혼돈이 가장 많았다.
대분류 항목에 대한 혼돈은 영상별로 비교적 비슷한 분포를 보였으며, 분류항목 중 시가화 건조지역, 나지, 초지, 농업지역에서 많은 혼돈을 보였다. 이 중 시가화 건조지역과 나지에서 가장 많은 혼돈을 보였다.
둘째, 영상과 피복분류에 따른 토지피복도를 작성 후 상호 비교 한 결과 영상별 정확도는 대분류, 중분류, 세분류 모두 항공사진과 QuickBird가 KOMPSAT2와 IKONOS 보다 상대적으로 높은 것으로 나타났고, 이는 해상도에 의한 영향이라 판단된다.
또한, 영상별로 살펴보면 분류항목에 따라 대체적으로 동일한 분포를 보이고 있으며, KOMPSAT2는 IKONOS와 일치도가 높고, QuickBird와 일치도가 낮게 나타났다. 이러한 결과는 KOMPSAT2와 IKONOS의 경우 두 영상간의 해상도가 비슷하므로 일치도가 높게 나타나며, KOMPSAT2와 QuickBird와는 두 영상간의 해상도 차이뿐만 아니라 촬영 시간적으로도 4년이라는 가장 오랜 시차를 가지므로 시간차에 의해 일치도가 낮게 나타난 것으로 판단된다.
세분류 결과 산림내초본↔천연림, 해수면↔간석지 간 혼돈이 가장 많았다.
셋째, 분류방법에 따른 일치도는 대분류의 경우 0.934∼0.956, Kappa value는 0.905~0.937, 중분류의 일치도는 0.888~0.913, Kappa value는 0.872~0.901, 세분류의 일치도는 0.833~0.901, Kappa value는 0.813~0.888로 나타났다.
영상별 대분류 분석결과 표 3, 표 4와 같이 일치도는 0.934~0.956이고, Kappa값은 0.905~0.925로 영상의 상이함으로 인한 불일치는 매우 낮은 것으로 나타났다. 가장 높은 일치도는 항공사진과 QuickBird이며 가장 낮은 일치도는 QuickBird와 KOMPSAT2였다.
영상별 세분류 토지피복도를 제작한 결과, 일치도는 0.833~0.901이고(표 7), Kappa값은 0.813~0.888로(표 8) 영상이 상이함으로 인한 불일치는 낮을 것으로 판단된다. 가장 높은 일치도는 항공사진과 QuickBird이며 낮은 일치도는 QuickBird와 KOMPSAT2였다.
영상별 중분류 토지피복도를 제작한 결과, 일치도는 0.888~0.913이고(표 5), Kappa값은 0.872~0.901로(표 6) 영상의 상이함으로 인한 불일치는 매우 낮을 것으로 판단된다. 중분류도 제작 결과 가장 높은 일치도는 KOMPSAT2와 IKONOS 이며, 낮은 일치도는 QuickBird 와 KOMPSAT2이였다.
이 같은 결과는 해상도 차이에 의한 것으로 본 연구에 사용된 영상 중 고해상도 영상인 QuickBird와 항공사진은 일치도가 높게 나타나며, 상대적으로 해상도가 떨어지는 KOMPSAT2와는 일치도가 낮게 나타난 것으로 판단된다.
또한, 영상별로 살펴보면 분류항목에 따라 대체적으로 동일한 분포를 보이고 있으며, KOMPSAT2는 IKONOS와 일치도가 높고, QuickBird와 일치도가 낮게 나타났다. 이러한 결과는 KOMPSAT2와 IKONOS의 경우 두 영상간의 해상도가 비슷하므로 일치도가 높게 나타나며, KOMPSAT2와 QuickBird와는 두 영상간의 해상도 차이뿐만 아니라 촬영 시간적으로도 4년이라는 가장 오랜 시차를 가지므로 시간차에 의해 일치도가 낮게 나타난 것으로 판단된다.
중분류 결과 논↔밭↔하우스재배지, 인공초지↔기타재배지↔자연초지 간 혼돈이 가장 많았다.
901로(표 6) 영상의 상이함으로 인한 불일치는 매우 낮을 것으로 판단된다. 중분류도 제작 결과 가장 높은 일치도는 KOMPSAT2와 IKONOS 이며, 낮은 일치도는 QuickBird 와 KOMPSAT2이였다.
첫째, 영상별로 제작된 토지피복지도의 대분류, 중분류, 세분류별 일치도를 분석한 결과, 피복분류항목이 많아질수록 일치도가 더 낮게 나타났지만, 전체적으로 80% 이상의 일치도를 나타내어 육안판독에 의한 세분류 방법이 가능함을 나타냈다.
피복지도별 분석 결과 영상의 특성으로 인한 결과로 대분류시 을숙도지역에서 발생한 불일치 지역은 QuickBird 영상의 시기적인 차이 와 명지대교 건설에 의한 토지피복의 시간적 변화에 의한 것으로 판단되었다. 그리고 중분류의 경우 논, 밭, 하우스재배지 등과 같은 농업지역의 혼돈은 계절적 특성 및 연구지역의 농업 패턴에 의해 오분류가 발생한 것이라 판단된다.
QuickBird는 항공사진과 일치도가 높고, KOMPSAT2와 일치도가 낮게 나타났다. 항공사진 또한 QuickBird와 일치도가 높고, KOMPSAT2와 일치도가 낮게 나타났다.
후속연구
본 연구를 통해 육안판독을 이용한 토지피복지도 작성시 정확도 향상을 위해서는 동일한 계절과 시기의 영상을 사용해야 하며 세분류도 작성시 작업자의 현장 조사를 통한 사전경험이 필수적이라 판단된다. 또한 해안지역의 피복분류 작성시 조석차를 고려해야 할 것이다.
본 연구를 통해 육안판독을 이용한 토지피복지도 작성시 정확도 향상을 위해서는 동일한 계절과 시기의 영상을 사용해야 하며 세분류도 작성시 작업자의 현장 조사를 통한 사전경험이 필수적이라 판단된다. 또한 해안지역의 피복분류 작성시 조석차를 고려해야 할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
고해상도 위성영상이란 무엇인가?
1999년부터 등장하기 시작한 고해상도 위성영상은 지표면에 대한 매우 상세한 정보를 제공해주고 있다. 고해상도 위성영상이란 일반적으로 공간 해상도가 1미터 이하의 높은 해상도를 가진 위성영상을 뜻한다(구자용, 2007).
정사보정된 위성영상은 어떤 특징을 가지는가?
정사보정된 위성영상은 토지피복에 대한 현재의 상황을 가장 잘 묘사한 자료로 연구의 시간적 범위를 결정하고, 이에 맞춰 공간속성 자료를 생성할 수 있으며, 지형·지물, 위치, 거리, 각도, 면적 등 다양한 정보를 얻을 수 있는 특징을 가진다(Wolf and Dewitt, 2000).
대분류 지도간 비교 분석한 결과 나지↔시가화 건조지역 간 혼돈이 가장 많았는데, 그 원인은 무엇으로 판단되는가?
대분류 지도간 비교 분석한 결과 나지↔시가화 건조지역 간 혼돈이 가장 많았다. 이는 최근 부산광역시 강서구 지역에 그린벨트 해제로 인해 나타나는 현상으로 판단되며, 나지↔초지, 나지↔농업지역으로 변화하는 것은 가을 추수 후 농경지가 나지로 구분되는 현상이 발생되어 나타난 것으로 판단된다.
참고문헌 (17)
구자용. 2007. 고해상도 위성영상을 이용한 토지피복도 제작기법 연구. 국토지리학회지 41(1):83-94.
박종화. 1992. Landsat 녹색식생지수를 이용한 서울시 도시 녹지 변화 조사. 대한원격탐사학회지 8(1):24-43.
부산광역시. 2007. 비오톱지도 제작을 통한 낙동강 일원 자연환경보전종합계획.
사공호상, 임정호. 2003. IKONOS 영상의 토지피복분류 방법에 관한 실증 연구. 한국지리정보학회지 6(3):107-116.
Cha, S. and C. Park, 2007. The utilization of google earth images as reference data for the multitemporal land cover classification with MODIS data of North Korea, Korean Journal of Remote Sensing 23(5):483-491.
Jackson, T.J., T.M. Ragan. and W.N. Fitch. 1977. Test of Landsat-based Urban Hydrologic Modeling. J. Water Resour. Plann. Manage. Div., ASCE 103(WRI) : 141-158.
Jensen, John R., 1996, Introductory Digital Image Processing : A Remote Sensing Perspective, Englewood Cliffs, New Jersey, Prentice-Hall. 316pp.
Wolf, P. R. , Dewitt, B. A. 2000. Elements of Photogrammetry with Applications in GIS, 3rd Ed., Mc GrawHill. pp.234.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.