A Land cover map over East Asian region (Kongju national university Land Cover map: KLC) is classified by using support vector machine (SVM) and evaluated with ground truth data. The basic input data are the recent three years (2006-2008) of MODIS (MODerate Imaging Spectriradiometer) NDVI (normalize...
A Land cover map over East Asian region (Kongju national university Land Cover map: KLC) is classified by using support vector machine (SVM) and evaluated with ground truth data. The basic input data are the recent three years (2006-2008) of MODIS (MODerate Imaging Spectriradiometer) NDVI (normalized difference vegetation index) data. The spatial resolution and temporal frequency of MODIS NDVI are 1km and 16 days, respectively. To minimize the number of cloud contaminated pixels in the MODIS NDVI data, the maximum value composite is applied to the 16 days data. And correction of cloud contaminated pixels based on the spatiotemporal continuity assumption are applied to the monthly NDVI data. To reduce the dataset and improve the classification quality, 9 phenological data, such as, NDVI maximum, amplitude, average, and others, derived from the corrected monthly NDVI data. The 3 types of land cover maps (International Geosphere Biosphere Programme: IGBP, University of Maryland: UMd, and MODIS) were used to build up a "quasi" ground truth data set, which were composed of pixels where the three land cover maps classified as the same land cover type. The classification results show that the fractions of broadleaf trees and grasslands are greater, but those of the croplands and needleleaf trees are smaller compared to those of the IGBP or UMd. The validation results using in-situ observation database show that the percentages of pixels in agreement with the observations are 80%, 77%, 63%, 57% in MODIS, KLC, IGBP, UMd land cover data, respectively. The significant differences in land cover types among the MODIS, IGBP, UMd and KLC are mainly occurred at the southern China and Manchuria, where most of pixels are contaminated by cloud and snow during summer and winter, respectively. It shows that the quality of raw data is one of the most important factors in land cover classification.
A Land cover map over East Asian region (Kongju national university Land Cover map: KLC) is classified by using support vector machine (SVM) and evaluated with ground truth data. The basic input data are the recent three years (2006-2008) of MODIS (MODerate Imaging Spectriradiometer) NDVI (normalized difference vegetation index) data. The spatial resolution and temporal frequency of MODIS NDVI are 1km and 16 days, respectively. To minimize the number of cloud contaminated pixels in the MODIS NDVI data, the maximum value composite is applied to the 16 days data. And correction of cloud contaminated pixels based on the spatiotemporal continuity assumption are applied to the monthly NDVI data. To reduce the dataset and improve the classification quality, 9 phenological data, such as, NDVI maximum, amplitude, average, and others, derived from the corrected monthly NDVI data. The 3 types of land cover maps (International Geosphere Biosphere Programme: IGBP, University of Maryland: UMd, and MODIS) were used to build up a "quasi" ground truth data set, which were composed of pixels where the three land cover maps classified as the same land cover type. The classification results show that the fractions of broadleaf trees and grasslands are greater, but those of the croplands and needleleaf trees are smaller compared to those of the IGBP or UMd. The validation results using in-situ observation database show that the percentages of pixels in agreement with the observations are 80%, 77%, 63%, 57% in MODIS, KLC, IGBP, UMd land cover data, respectively. The significant differences in land cover types among the MODIS, IGBP, UMd and KLC are mainly occurred at the southern China and Manchuria, where most of pixels are contaminated by cloud and snow during summer and winter, respectively. It shows that the quality of raw data is one of the most important factors in land cover classification.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
다양한 지면피복 분류 연구에도 불구하고 분류유형, 해상도, 영역, 이용 목적 등이 상이하여 이들 지면피복 분류자료를 기상분야에서 활용하기 위해서는 복잡한 처리과정이 필요하다. 본 논문에서는 다양한 규모의 수치 및 기후모델의 요구조건을 충족하며 기상 및 환경 응용분야 활용에 적합한 수준의 공간해상도 (1 km)와 범위를 갖는 정확도 높은 광역 지면피복 분류자료를 산출하고자 한다. 이를 위하여 최근 5년 이내에 관측한 MODIS NDVI (Normalized Difference Vegetation Index) 자료로부터 시·공간적으로 연속성을 갖는 양질의 NDVI 자료를 구축하였다.
본 연구를 통해 수치 및 기후모델의 지면경계조건 등 기상분야에서 충분히 활용가치가 높은 지면피복 분류자료를 산출하였으며, 현실적으로 구축이 어려운 현장관측 자료를 대체할 수 있는 대안을 제시하였다. 하지만, 관측자료가 대부분 농지 유형에 집중되어 있을 뿐만 아니라 한반도 등 일부 지역에 집중되어 있음을 고려하여 보다 정량적인 검증 방안을 마련해야할 필요가 있다.
지금까지 감독분류 기법을 이용한 광역의 지면피복 분류는 현장 관측자료 구축의 어려움으로 인해 극히 제한적이었다. 본 연구에서는 다양한 입력자료 및 분류기법에 의해 산출된 다수의 지면피복 분류자료들로부터 유사 관측자료를 산출하고 이를 SVM에 적용함으로써 주목할 만한 수준의 분류 정확도를 갖는 지면 피복 분류자료를 산출하였다.
가설 설정
따라서 이 방법은 각 화소의 품질정보를 기반으로 1) 시간적 연속성에 따른 결측 화소의 탐지 및 보정과 2) 인근지역에 분포하는 양질의 NDVI에 대한 가중평균을 적용하는 2가지 방법으로 결측된 NDVI를 보정한다. 단, 여기에서 반경 1 km 이상 큰 규모의 자연재해 혹은 산불 등에 의한 식생 상태의 급격한 변동은 발생하지 않은 것으로 가정한다.
뿐만 아니라 본 연구에서 활용 가능한 남한 및 몽골지역 관측자료 만으로는 그 수가 근본적으로 부족하며, 한반도의 식생분포는 수 km 이상 균질한 지역이 극히 드물어 관측자의 주관적 판단에 따라 지표면 유형이 달라질 수 있다. 본 연구에서는 광역 지면피복 분류를 위한 훈련자료 구축 방법의 대안으로 다양한 기법에 의해 산출된 다수의 지면피복 분류 자료들의 비교를 통해서 분류 유형이 모두 일치하는 화소의 지면피복 자료를 관측자료, 즉 훈련자료로 활용할 수 있다고 가정하였다.
앞서 수행한 지면피복 분류자료의 비교 결과 모든 자료에서 동일한 유형으로 분류된 화소들은 분류가 정확한 것으로 가정하고 이를 “유사 관측자료 (quasi ground truth)”로 정의하였다.
제안 방법
즉, 동일 지역에 분포하는 동일 유형의 식생은 계절에 따른 변동패턴이 동일하다는 점을 이용하여 결측된 화소의 값을 복원하는 것이다. 따라서 이 방법은 각 화소의 품질정보를 기반으로 1) 시간적 연속성에 따른 결측 화소의 탐지 및 보정과 2) 인근지역에 분포하는 양질의 NDVI에 대한 가중평균을 적용하는 2가지 방법으로 결측된 NDVI를 보정한다. 단, 여기에서 반경 1 km 이상 큰 규모의 자연재해 혹은 산불 등에 의한 식생 상태의 급격한 변동은 발생하지 않은 것으로 가정한다.
, 1995; Wang and Tenhunen, 2004). 본 연구에서는 1) 식생지수 최대치, 2) 최소치, 3) 연평균, 4) 변동폭, 5) 임계 식생지수, 6) 식생 성장기간, 7) 식생 성장기간 비율, 8) 식생 성장률 및 9) 식생 쇠퇴율의 9가지 자료를 산출하였다.
분류 정확도 향상을 위해 최근 3년 (2006~2008)에 관측한 MODIS NDVI 자료를 월주기로 합성하고, 시·공간 연속성을 이용한 보정기법을 적용하여 NDVI 자료를 보정하였다. IGBP, UMd 및 MODIS 지면피복 분류자료의 비교를 통해 산출한 지면피복 기준자료와, 보정된 NDVI 자료로부터 산출한 식생 변동특성 자료를 감독분류 기법의 하나인 SVM에 적용하여 새 지면피복 분류자료 (KLC_v2)를 산출하였다. 지면피복 분류자료의 분류 정확도 검증을 위해 남한, 몽골지역 관측자료 및 Google-earth에서 추출한 동아시아 지역 주요 대도시 및 반경 1 km 이상의 광역농지 정보를 이용하였다.
, 2000) 자료를 이용하였다. IGBP와 MODIS 지면피복 분류자료는 IGBP 지면피복 정의에 따라 17개 유형으로 분류한 자료로, 각 지역 및 대륙 단위로 분류한 자료를 통합하여 완성한 것이다. 반면, UMd 지면피복 분류자료는 전지구 영역으로 구축한 NDVI 및 다양한 입력자료 들에 감독 분류기법을 적용하여 14개 유형으로 분류한 자료이다.
NDVI 자료의 합성에는 각 화소별 품질정보 (quality flag)를 바탕으로 고품질 화소만을 추출하여 이들 자료의 평균을 적용하는 방법을 이용하여 1개월 주기로 합성하였으며, 자료 기간 중 단 하나의 고품질 자료도 존재하지 않는 경우에는 결측 (missing)으로 처리하였다. NDVI 자료의 결측 화소 보정 및 시공간적으로 연속성을 갖는 양질의 NDVI 자료 구축을 위해 보정기법을 개발하였고, 이를 앞서 산출한 NDVI 합성자료에 적용하여 결측 화소를 보정하였다.
자료수집 기간은 3년 (2006~2008)이며, 지면피복 분류 분야에서 많이 활용되고 있는 등 위경도 격자 (Plate Carree map projection) 방법으로 재 투영하였다. NDVI 자료의 합성에는 각 화소별 품질정보 (quality flag)를 바탕으로 고품질 화소만을 추출하여 이들 자료의 평균을 적용하는 방법을 이용하여 1개월 주기로 합성하였으며, 자료 기간 중 단 하나의 고품질 자료도 존재하지 않는 경우에는 결측 (missing)으로 처리하였다. NDVI 자료의 결측 화소 보정 및 시공간적으로 연속성을 갖는 양질의 NDVI 자료 구축을 위해 보정기법을 개발하였고, 이를 앞서 산출한 NDVI 합성자료에 적용하여 결측 화소를 보정하였다.
광역의 수치 및 기후모델의 지면경계 자료로 널리 이용되고 있는 IGBP, UMd 및 MODIS 지면피복 분류자료에 포함된 오류를 최소화하고, 보다 현실적인 지면정보 제공을 위해 동아시아 지역의 지면피복을 분류하였다. 분류 정확도 향상을 위해 최근 3년 (2006~2008)에 관측한 MODIS NDVI 자료를 월주기로 합성하고, 시·공간 연속성을 이용한 보정기법을 적용하여 NDVI 자료를 보정하였다.
이를 위하여 최근 5년 이내에 관측한 MODIS NDVI (Normalized Difference Vegetation Index) 자료로부터 시·공간적으로 연속성을 갖는 양질의 NDVI 자료를 구축하였다. 또한, 우리나라에서 사용 빈도가 높은 세 가지 (IGBP, UMd, MODIS) 지면피복 분류자료를 비교하고, 그 결과를 지면피복 분류에 이용하였다. 지면피복 분류 방법으로 감독분류 기법의 하나인 support vector machine (SVM)을 이용하였으며, 분류결과의 검증은 현장관측 자료를 이용하였다.
보정된 월주기 NDVI로부터 9가지 유형의 식생 계절특성 자료를 산출하였다. 이 과정은 지면피복 분류 과정에서 입력자료의 양을 줄이고 식생의 변동특성을 극대화함으로써, 자원의 낭비를 최소화하면서 지면피복 분류의 효율성 및 정확도 확보를 위해 이용되고 있다 (Defries et al.
SVM과 같은 감독분류 기법을 이용하여 동아시아 지역의 지면피복 분류시 필요한 충분한 양의 훈련자료 (training data) 구축은 현실적으로 한계가 있다. 본 연구에서는 그 대안으로 세 지면피복 자료 (IGBP, MODIS, UMd)의 비교 결과를 이용하였다. IGBP와 MODIS는 동일한 지면피복 정의를 따르므로 쉽게 비교할 수 있는 반면, UMd는 지면피복 유형의 정의와 수가 IGBP와 달라 이들 자료의 비교를 위해서는 지면피복 유형에서 일부 조정이 필요하다.
분류 정확도 향상을 위해 최근 3년 (2006~2008)에 관측한 MODIS NDVI 자료를 월주기로 합성하고, 시·공간 연속성을 이용한 보정기법을 적용하여 NDVI 자료를 보정하였다.
위의 과정을 거쳐 새로 분류한 지면피복과 유사 관측자료를 통합 (merge)하여 새로운 지면피복 분류자료를 구축하였다 (Kongju national university land cover map version 2: KLC_v2). 새 지면피복 분류자료에 대한 분류 정확도 검증은 남한지역 현장관측자료, 몽골 초원지대 관측자료 및 Google-Earth로부터 추출한 반경 1 km 이상의 대도시 및 농지 등에 대한 정보를 이용하여 각 유형별로 수행하였다. Table 2는 본 연구에서 활용한 검증자료의 현황을 정리한 것이다.
위의 과정을 거쳐 새로 분류한 지면피복과 유사 관측자료를 통합 (merge)하여 새로운 지면피복 분류자료를 구축하였다 (Kongju national university land cover map version 2: KLC_v2). 새 지면피복 분류자료에 대한 분류 정확도 검증은 남한지역 현장관측자료, 몽골 초원지대 관측자료 및 Google-Earth로부터 추출한 반경 1 km 이상의 대도시 및 농지 등에 대한 정보를 이용하여 각 유형별로 수행하였다.
각 보정 단계가 종료된 후에는 미보정 화소의 유무를 확인하고 모든 미보정 화소가 보정될 때 까지 1-2단계의 보정 과정을 반복한다. 이때, 해안지역과 도시 및 사막 등에 대한 보정은 지리적 특성을 고려하여 공간 가중평균 (두 번째 보정단계)의 50% 값으로 보정하였다.
이를 위하여 최근 5년 이내에 관측한 MODIS NDVI (Normalized Difference Vegetation Index) 자료로부터 시·공간적으로 연속성을 갖는 양질의 NDVI 자료를 구축하였다.
본 연구에서는 동경 70°E~180°E, 북위 90°N~남위 60°S 의 범위를 연구 영역으로 정하고 MODIS 타일 중 h20~h35/v0~v14의 자료를 수집하였다. 자료수집 기간은 3년 (2006~2008)이며, 지면피복 분류 분야에서 많이 활용되고 있는 등 위경도 격자 (Plate Carree map projection) 방법으로 재 투영하였다. NDVI 자료의 합성에는 각 화소별 품질정보 (quality flag)를 바탕으로 고품질 화소만을 추출하여 이들 자료의 평균을 적용하는 방법을 이용하여 1개월 주기로 합성하였으며, 자료 기간 중 단 하나의 고품질 자료도 존재하지 않는 경우에는 결측 (missing)으로 처리하였다.
앞서 수행한 지면피복 분류자료의 비교 결과 모든 자료에서 동일한 유형으로 분류된 화소들은 분류가 정확한 것으로 가정하고 이를 “유사 관측자료 (quasi ground truth)”로 정의하였다. 즉, 유사 관측자료를 훈련자료 (training dataset)로, 나머지 영역을 재분류 영역으로 구분하였다. 다음은 위 구분에 의거하여 앞서 산출한 식생의 계절특성 자료들을 SVM의 입력 형태로 나타낸 것이다.
첫 번째 단계에서는 결측 화소를 기준으로 직전과 직후 기간의 NDVI 품질정보를 확인하여 두 기간의 자료 품질이 우수한 경우에 한하여 두 자료의 산술평균으로 현재 화소를 보정한다. 직전과 직후 기간의 NDVI 중 하나라도 품질이 낮은 경우에는 현재 화소를 보정하지 않는다.
대상 데이터
반면, UMd 지면피복 분류자료는 전지구 영역으로 구축한 NDVI 및 다양한 입력자료 들에 감독 분류기법을 적용하여 14개 유형으로 분류한 자료이다. 검증을 위한 현장관측 자료로는 GPS (Global Positioning System)를 이용하여 현장답사를 통해 구축한 남한 및 몽골 초원지대 관측자료 등을 이용하였다.
본 연구에서는 동경 70°E~180°E, 북위 90°N~남위 60°S 의 범위를 연구 영역으로 정하고 MODIS 타일 중 h20~h35/v0~v14의 자료를 수집하였다.
본 연구에서는 동아시아 지역의 지면피복 분류를 위해 식생지수, 지면피복 분류자료 및 현장관측 자료를 이용하였다. 식생지수는 최근 3년(2006~2008) 동안의 1 km 공간해상도를 갖는 16일 주기의 MODIS NDVI를 이용하였다 (MOD13A2, MYD13A2).
본 연구에서는 동아시아 지역의 지면피복 분류를 위해 식생지수, 지면피복 분류자료 및 현장관측 자료를 이용하였다. 식생지수는 최근 3년(2006~2008) 동안의 1 km 공간해상도를 갖는 16일 주기의 MODIS NDVI를 이용하였다 (MOD13A2, MYD13A2). 지면피복 분류자료는 IGBP (Loveland and Belward, 1997; Loveland et al.
식생지수는 최근 3년(2006~2008) 동안의 1 km 공간해상도를 갖는 16일 주기의 MODIS NDVI를 이용하였다 (MOD13A2, MYD13A2). 지면피복 분류자료는 IGBP (Loveland and Belward, 1997; Loveland et al., 2000), MODIS (Friedle et al. 2002) 및 UMd (Hansen et al., 2000) 자료를 이용하였다. IGBP와 MODIS 지면피복 분류자료는 IGBP 지면피복 정의에 따라 17개 유형으로 분류한 자료로, 각 지역 및 대륙 단위로 분류한 자료를 통합하여 완성한 것이다.
IGBP, UMd 및 MODIS 지면피복 분류자료의 비교를 통해 산출한 지면피복 기준자료와, 보정된 NDVI 자료로부터 산출한 식생 변동특성 자료를 감독분류 기법의 하나인 SVM에 적용하여 새 지면피복 분류자료 (KLC_v2)를 산출하였다. 지면피복 분류자료의 분류 정확도 검증을 위해 남한, 몽골지역 관측자료 및 Google-earth에서 추출한 동아시아 지역 주요 대도시 및 반경 1 km 이상의 광역농지 정보를 이용하였다.
이론/모형
6. Spatial distribution of July NDVI before (left, the yellow color denote noisy pixels) and after (right) correction using the spatio-temporal continuity method.
IGBP와 MODIS는 동일한 지면피복 정의를 따르므로 쉽게 비교할 수 있는 반면, UMd는 지면피복 유형의 정의와 수가 IGBP와 달라 이들 자료의 비교를 위해서는 지면피복 유형에서 일부 조정이 필요하다. 본 연구에서는 Hansen and Reed (2000)의 선행연구와 같이 동일 혹은 유사 유형을 선정하여 Table 1과 같이 정리하였다. 상록 침엽/활엽수림 (evergreen needleleaf/broadleaf forest), 낙엽 침엽/활엽수림 (deciduous needleleaf/broadleaf forest), 농지 (cropland), 초지 (grassland) 및 도시 (urban) 등의 유형은 동일한 유형으로 비교가 가능하며, IGBP의 사바나 (savanna)유형과 UMd의 우드랜드 (woodland)는 서로 유사성이 있는 것으로 확인되어 상호 비교하였다.
또한, 우리나라에서 사용 빈도가 높은 세 가지 (IGBP, UMd, MODIS) 지면피복 분류자료를 비교하고, 그 결과를 지면피복 분류에 이용하였다. 지면피복 분류 방법으로 감독분류 기법의 하나인 support vector machine (SVM)을 이용하였으며, 분류결과의 검증은 현장관측 자료를 이용하였다.
통계분석 및 결과 가시화에 널리 이용되고 있으며, 분류 (classification)와 회귀 (regression)에 응용할 수 있는 감독학습기법의 일종으로 R (r-project) 프로그램에 라이브러리로 포함된 support vector machine (SVM)을 분류기법으로 이용하였다. SVM은 평면상의 벡터 내적 함수들을 n차원의 공간으로 사상 (mapping)하여 각 분류 집단 간에 모든 점들 사이의 거리를 최대화하도록 만드는 하나의 평면을 구해내는 방법으로 다른 분류방법들에 비해 정확도가 높은 것으로 알려져 있다 (Huang et al.
성능/효과
KLC_v2와 IGBP의 지면피복 유형별 구성 비율은 유사하지만, 중국 남동부 지역을 중심으로 상록 활엽수림 및 혼합림 등의 분포가 증가되었고, 사막 주변과 고위도 지방의 초지 등이 잘 분류되었다. IGBP, UMd 등의 자료에서는 중국 남부지역을 중심으로 초지 및 농지 등이 우세하였으나, KLC_v2에서는 상록 활엽수림 등이 우세한 것으로 나타났다. 이는 기존 자료에서는 동아시아 여름 몬순과 관련된 구름에 의한 NDVI의 변질 등이 충분히 보정되지 못한데 반해, KLC_v2에서는 시·공간저으로 연속성을 갖도록 보정한 양질의 NDVI 자료를 이용한 결과로 판단된다.
즉, 지면피복 유형별 특성이 유사한 경우에 각 지면피복 유형의 경계를 제대로 구분하지 못함으로써 발생한 문제로 생각할 수 있으며, 향후 자료의 품질개선에 중요한 관점이 될 것으로 판단된다. IGBP, UMd 및 MODIS 지면피복 분류자료의 분류 정확도는 각각 63%. 57% 및 80%로 나타났다.
KLC_v2의 분류 정확도는 77%이며, 특히 초지, 농지, 도시 및 낙엽 활엽수림의 분류 정확도가 높은 것으로 나타났다. IGBP, UMd 및 MODIS의 분류 정확도는 각각 63%, 57% 및 80%이다. IGBP와 UMd의 분류 정확도가 낮은 이유는 각 지면피복 유형별 구성비율 (Fig.
KLC_v2에서 한반도 지역의 사바나 등 오분류 화소가 크게 감소하였으며, 공간불연속 및 탐사잡음 등의 문제가 해소되었다. KLC_v2와 IGBP의 지면피복 유형별 구성 비율은 유사하지만, 중국 남동부 지역을 중심으로 상록 활엽수림 및 혼합림 등의 분포가 증가되었고, 사막 주변과 고위도 지방의 초지 등이 잘 분류되었다.
KLC_v2에서 한반도 지역의 사바나 등 오분류 화소가 크게 감소하였으며, 공간불연속 및 탐사잡음 등의 문제가 해소되었다. KLC_v2와 IGBP의 지면피복 유형별 구성 비율은 유사하지만, 중국 남동부 지역을 중심으로 상록 활엽수림 및 혼합림 등의 분포가 증가되었고, 사막 주변과 고위도 지방의 초지 등이 잘 분류되었다. IGBP, UMd 등의 자료에서는 중국 남부지역을 중심으로 초지 및 농지 등이 우세하였으나, KLC_v2에서는 상록 활엽수림 등이 우세한 것으로 나타났다.
KLC_v2의 분류 정확도는 77%이며, 특히 초지, 농지, 도시 및 낙엽 활엽수림의 분류 정확도가 높은 것으로 나타났다. IGBP, UMd 및 MODIS의 분류 정확도는 각각 63%, 57% 및 80%이다.
MODIS 자료는 KLC_v2에 비해 분류 정확도가 약 3% 높은 것으로 나타나 네 가지 지면피복 분류자료 중 가장 우수하며, 분류 정확도는 MODIS> KLC_v2> IGBP> UMd의 순으로 나타났다.
IGBP는 혼합림과 농지 유형의 분포가 두드러지는 반면, 폐쇄형 관목 (조밀한: closed shrub)과 사바나 유형의 분포가 적은 것으로 나타났다. UMd는 다른 자료들에 비해 사바나 및 폐쇄형 관목의 분포가 많은 것으로 나타났으며, 농지와 혼합림의 분포가 상대적으로 적은 것으로 나타났다.
IGBP를 비교 대상으로 정한 것은 현재 기상청 및 각 대학 등 연구기관에서 수치 및 기후모델의 지면 경계자료로 가장 일반적으로 이용되고 있는 자료이기 때문이다. 각 지면피복 유형별 분포비율은 전반적으로 IGBP와 KLC_v2가 크게 다르지 않은 것으로 나타났다. 상록 활엽수림, 초지, 습지 및 사바나 유형은 그 수가 증가하였으며, 상록 침엽수림, 낙엽 침엽수림, 혼합림, 농지 및 혼합농지 유형의 수는 감소한 것으로 나타났다.
“Agreed pixel number”는 관측자료와 KLC_v2의 분류 유형이 일치하는 화소의 수를 나타내며, “Disagreed pixel number”는 관측자료와 불일치하는 화소 즉, 오분류 화소의 유형 코드와 그 수를 나타낸 것이다. 검증결과 KLC_v2의 분류 정확도는 77%로 나타났다 (Table 3). 전반적으로 분류가 잘 이루어진 것으로 볼 수 있으나, 농지 유형에 대해 관목 또는 농지와 자연식생의 혼합유형으로 분류하는 오류가 발생하였다.
모든 자료가 전혀 일치하지 않는 화소 (total disagreement: TD)의 비율은 약 27%이다. 동일한 지면피복 유형 정의를 적용한 IGBP와 MODIS의 일치율이 다른 두 자료사이의 일치율에 비해 약 2배 높음에도 불구하고 두 자료 (IGBP, MODIS)가 일치하는 전체 비율 (TA+DAIGBP-MODIS)이 50%를 넘지 못하는 것으로 나타났다. 또한 대체적으로 사막지역과 농지 및 열대우림 등 식생의 유형별 특성이 잘 구분되는 지역에서 세 자료가 잘 일치하는 것으로 나타났다.
동일한 지면피복 유형 정의를 적용한 IGBP와 MODIS의 일치율이 다른 두 자료사이의 일치율에 비해 약 2배 높음에도 불구하고 두 자료 (IGBP, MODIS)가 일치하는 전체 비율 (TA+DAIGBP-MODIS)이 50%를 넘지 못하는 것으로 나타났다. 또한 대체적으로 사막지역과 농지 및 열대우림 등 식생의 유형별 특성이 잘 구분되는 지역에서 세 자료가 잘 일치하는 것으로 나타났다. 반면, 한반도를 중심으로 중국 남동부와 러시아 북부 등에서 대부분 각 자료가 서로 다르게 분류된 것으로 나타났다.
본 연구에서는 Hansen and Reed (2000)의 선행연구와 같이 동일 혹은 유사 유형을 선정하여 Table 1과 같이 정리하였다. 상록 침엽/활엽수림 (evergreen needleleaf/broadleaf forest), 낙엽 침엽/활엽수림 (deciduous needleleaf/broadleaf forest), 농지 (cropland), 초지 (grassland) 및 도시 (urban) 등의 유형은 동일한 유형으로 비교가 가능하며, IGBP의 사바나 (savanna)유형과 UMd의 우드랜드 (woodland)는 서로 유사성이 있는 것으로 확인되어 상호 비교하였다. 그러나 IGBP의 습지 (wetland), 동토 (snow and ice) 및 농지와 식생의 혼합유형 (cropland and natural vegetation mosaic) 등은 UMd에서 정의되지 않은 유형이므로 비교가 불가능하다.
각 지면피복 유형별 분포비율은 전반적으로 IGBP와 KLC_v2가 크게 다르지 않은 것으로 나타났다. 상록 활엽수림, 초지, 습지 및 사바나 유형은 그 수가 증가하였으며, 상록 침엽수림, 낙엽 침엽수림, 혼합림, 농지 및 혼합농지 유형의 수는 감소한 것으로 나타났다.
식생의 시·공간 연속성을 이용한 보정기법의 적용결과 모든 결측 화소의 보정이 이루어 졌음을 확인할 수 있다.
5에 나타내었다. 아시아 지역에서 세 자료가 모두 일치하는 화소 (triple agreement: TA)는 26.6%이며, IGBP와 UMd, IGBP와 MODIS 및 UMd와 MODIS 두 자료가 일치하는 화소 (dual agreement: DA)는 각각 10.5%, 23.3% 및 12.2%이다(DAIGBP-UMd, DAIGBP-MODIS, DAUMd-MODIS). 모든 자료가 전혀 일치하지 않는 화소 (total disagreement: TD)의 비율은 약 27%이다.
3). 특히 한반도지역의 사바나 유형이 낙엽 활엽수림 및 혼합림 등으로 분류되었으며, 사막 주변의 초지 및 중국 남부지방으로부터 인도 및 적도지역에 이르는 상록수림의 분포가 잘 나타났다.
후속연구
MODIS 자료는 KLC_v2에 비해 분류 정확도가 약 3% 높은 것으로 나타나 네 가지 지면피복 분류자료 중 가장 우수하며, 분류 정확도는 MODIS> KLC_v2> IGBP> UMd의 순으로 나타났다. KLC_v2는 IGBP와 UMd에 비해 상대적으로 높은 분류 정확도를 보여주었으나, 한반도 영역에서 여전히 남아있는 사바나 유형의 제거 및 각 지면피복 유형의 경계지역 등에서 나타나는 분류 부정확도 개선이 필요할 것으로 보인다.
하지만, 관측자료가 대부분 농지 유형에 집중되어 있을 뿐만 아니라 한반도 등 일부 지역에 집중되어 있음을 고려하여 보다 정량적인 검증 방안을 마련해야할 필요가 있다. 또한 유사 관측자료의 각 유형별 구성 비율이 균일하지 못한 점도 식생의 특성이 유사한 유형 사이의 경계지역 등을 중심으로 분류 정확도가 낮아지는 문제의 원인이 될 수 있을 것이다. 향후 연구에서는 각 지면피복 유형별 구성 비율을 고려하여 보다 균형 있는 유사 관측자료를 구축함으로써 분류 정확도를 개선할 수 있을 것으로 기대한다.
이는 농지와 관목 및 혼합농지의 특성이 유사하기 때문인 것으로 보인다. 즉, 지면피복 유형별 특성이 유사한 경우에 각 지면피복 유형의 경계를 제대로 구분하지 못함으로써 발생한 문제로 생각할 수 있으며, 향후 자료의 품질개선에 중요한 관점이 될 것으로 판단된다. IGBP, UMd 및 MODIS 지면피복 분류자료의 분류 정확도는 각각 63%.
본 연구를 통해 수치 및 기후모델의 지면경계조건 등 기상분야에서 충분히 활용가치가 높은 지면피복 분류자료를 산출하였으며, 현실적으로 구축이 어려운 현장관측 자료를 대체할 수 있는 대안을 제시하였다. 하지만, 관측자료가 대부분 농지 유형에 집중되어 있을 뿐만 아니라 한반도 등 일부 지역에 집중되어 있음을 고려하여 보다 정량적인 검증 방안을 마련해야할 필요가 있다. 또한 유사 관측자료의 각 유형별 구성 비율이 균일하지 못한 점도 식생의 특성이 유사한 유형 사이의 경계지역 등을 중심으로 분류 정확도가 낮아지는 문제의 원인이 될 수 있을 것이다.
또한 유사 관측자료의 각 유형별 구성 비율이 균일하지 못한 점도 식생의 특성이 유사한 유형 사이의 경계지역 등을 중심으로 분류 정확도가 낮아지는 문제의 원인이 될 수 있을 것이다. 향후 연구에서는 각 지면피복 유형별 구성 비율을 고려하여 보다 균형 있는 유사 관측자료를 구축함으로써 분류 정확도를 개선할 수 있을 것으로 기대한다.
질의응답
핵심어
질문
논문에서 추출한 답변
새 지면피복 분류자료에서 오분류 화소가 크게 감소한 지역은 어디인가?
KLC_v2에서 한반도 지역의 사바나 등 오분류 화소가 크게 감소하였으며, 공간불연속 및 탐사잡음 등의 문제가 해소되었다. KLC_v2와 IGBP의 지면피복 유형별 구성 비율은 유사하지만, 중국 남동부 지역을 중심으로 상록 활엽수림 및 혼합림 등의 분포가 증가되었고, 사막 주변과 고위도 지방의 초지 등이 잘 분류되었다.
지면의 생물리적 특성 변화가 하는 역할은 무엇인가?
지면의 생물리적 특성 변화는 지면과 대기사이의 에너지 및 물 평형 등에 영향을 주어 국지 및 지역기후를 변화시키는데 중요한 역할을 한다 (Kabat et al., 2003; Taylor et al.
지면의 생물리적 특성이 미치는 영향은 무엇인가?
, 2002). 지면의 생물리적 특성은 주로 지면피복에 의해 결정되기 때문에 이러한 지면피복의 변화는 알베도 및 거칠기 길이를 변화시키며, 지표면온도 및 지면과 대기사이의 열, 수분, 운동에너지 교환에도 영향을 미친다 (Chase et al., 2000).
※ AI-Helper는 부적절한 답변을 할 수 있습니다.