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
- 본 연구는 기존 분류체계의 문제점을 보완하여 효율적인 국토변화탐지를 위한 표준 지형분류체계를 제시하고자 하며, 지형분류 항목의 적절성과 자동화 가능성에 대한 분석을 수행하고자 한다.
제안 방법
- LiDAR 자료로부터 제작한 nDSM을 이용하여 지면점과 비지면점을 구분한 뒤, 감독분류 기반의 자동분류와 동일한 접근방법으로 선행지식 기반의 자동 지형분류를 수행하였다. 이때 지면의 경우 그림 5와 같이, 표준 지형분류 항목에 대해 Spectral Signature를 결정하여 작업을 수행하였으며, 비지면의 경우에는 그림 6과 같이 2가지 분류항목(건물, 산림지)을 선정한 후 작업을 수행하였다.
- 지형분류 결과를 다른 기관이나 관련 부서들에서 효율적으로 활용하기 위해서는 각 기관들의 업무목적에 대한 분석을 토대로 분류항목을 보다 세분화하는 것이 필요하다. 그러나 항목이 너무 세분화되는 경우 작업의 효율성 및 정확도 저하 등의 부수적인 문제가 발생할 소지가 있고, 국토변화탐지의 본래 목적이 희석될 수도 있으므로, 이에 대한 적절한 고려와 절충을 통해 지형분류 항목을 선정하였다.
- 그러나 이 방법은 작업자의 개인적 판단에 의해 오분류나 혼동의 가능성 및 많은 작업 시간이 소요되는 문제점을 가지고 있다. 그러나 현재와 같이 빠르게 기술이 진보하고 있는 환경에서는 향후 기술개발 수준에 따라 지형분류의 자동 지형분류 가능성을 고려하여 분류항목을 선정하였다.
- 따라서 각 분류항목 간 명확성이 결여되어 작업자의 주관적인 판단에 따른 오분류나 혼동의 가능성이 높은 문제에 대한 근본적인 해결방안을 제시하기 위하여 국내외 유사 지형분류체계 분석을 토대로 분류항목을 선정하였다. 또한 타 기관에서 구축한 자료를 효율적으로 통합 · 활용하기 위하여 여러 항목에 걸쳐 서로 중복되지 않고 명확하게 부합시킬 수 있는 분류항목을 선정하였다.
- 따라서 축척 1/25,000 수치지도 레이어 항목에 대하여 대 · 중 · 소 · 세분류하여 지형분류에 적합한 항목을 선정하였다.
- 반면 국토해양부 건설표준품셈의 경우, 실제 물이 존재하지 않는 주변지역의 지형지물은 ‘구릉지’ 항목으로 분류하고 있는 것으로 나타났다. 따라서 향후 활용성 확보나 환경부, 국토해양부 등 타 기관과의 자료공유 등을 고려했을 때 모두 적용 가능한 항목으로 분류하여 선정하였다.
- 또한 타 기관에서 구축한 자료를 효율적으로 통합 · 활용하기 위하여 여러 항목에 걸쳐 서로 중복되지 않고 명확하게 부합시킬 수 있는 분류항목을 선정하였다.
- LiDAR 자료로부터 제작한 nDSM을 이용하여 지면점과 비지면점을 구분한 뒤, 감독분류 기반의 자동분류와 동일한 접근방법으로 선행지식 기반의 자동 지형분류를 수행하였다. 이때 지면의 경우 그림 5와 같이, 표준 지형분류 항목에 대해 Spectral Signature를 결정하여 작업을 수행하였으며, 비지면의 경우에는 그림 6과 같이 2가지 분류항목(건물, 산림지)을 선정한 후 작업을 수행하였다. 지형분류 결과는 그림 7과 표 5와 같다.
- 지형분류 결과에 대한 정량적인 평가를 위하여 영상 전체에 대해 일정 간격으로 총 225점의 검사점을 선정한 후, 이들에 대한 육안판독 결과를 감독분류 기반의 자동 지형분류 결과와 비교함으로써 정확도를 검증하였으며, 결과는 표 4와 같다.
- 따라서 표준 지형분류체계 마련을 위해 지형분류 항목에 대한 재정립이 필요하다. 지형분류 항목의 결정을 위해 기존의 기술을 이용하여 구축 가능한 항목만을 우선적으로 고려하였으며, 이를 통해 별다른 전제조건이나 새로운 기술의 개발, 기술적 경험축적의 필요성 등과 같은 제약조건 없이 적용할 수 있도록 하였다.
- 지형분류의 효율성 및 활용성 향상을 위하여 다음의 6가지 표준화 원칙을 고려하여 지형분류체계 개선안을 마련하였다.
- 컴퓨터를 이용한 분류 알고리즘을 적용하여 빠르게 개략적인 국토의 변화를 파악한다거나, 향후 기술의 발전에 따른 자동화 방법의 적용 등을 위해서는 대다수 유사 지형분류체계들에서 채택하고 있는 토지피복에 대한 정보를 이용하여서도 분류할 수 있도록 분류항목을 선정하였다.
- 또한 국토해양부는 1972년부터 전국을 대상으로 축척 1/25,000 토지이용현황도를 제작하고 있다. 토지이용현황도는 국토관리와 국토이용계획 수립을 목적으로 제작되었다는 점에서 국토변화탐지에 가장 밀접한 상관관계를 가지고 있다는 것으로 판단되기 때문에 이를 활용하여 지형분류 항목을 선정하였다.
- 표준 지형분류 항목에 대하여 자동으로 결정된 트레이닝 사이트의 분광특성(Spectral Signature)을 기준으로 퍼지(Fuzzy)기반의 감독분류를 수행하였으며, 그 결과는 그림 4와 같다. 감독분류의 정확도 향상을 위하여 전처리 과정을 통해 도출된 객체기반 영상, 수계영상, 텍스처(Texture) 분석결과 영상, 식생지수 영상, LiDAR nDSM(Normalized DSM) 영상 및 LiDAR 반사강도 영상 등을 입력밴드 영상으로 사용하였다.
- 표준 지형분류체계 항목의 제작 및 자동 지형분류 가능성을 평가하기 위하여 감독분류 기반의 자동 지형분류와 선행지식 기반의 계층적 자동 지형분류를 수행하였으며, 그 결과를 실제 스크린 디지타이징을 수행한 결과와 비교함으로써 정확도를 평가하였다.
대상 데이터
- 0, 환경부 중분류 토지피복분류도를 함께 사용하였다. SPOT-5 영상은 2005년 4월, LiDAR 자료는 2005년 2월에 Optech사의 ALTM 3070 시스템에 의해 취득되었다.
- 표준 지형분류 항목에 대하여 자동으로 결정된 트레이닝 사이트의 분광특성(Spectral Signature)을 기준으로 퍼지(Fuzzy)기반의 감독분류를 수행하였으며, 그 결과는 그림 4와 같다. 감독분류의 정확도 향상을 위하여 전처리 과정을 통해 도출된 객체기반 영상, 수계영상, 텍스처(Texture) 분석결과 영상, 식생지수 영상, LiDAR nDSM(Normalized DSM) 영상 및 LiDAR 반사강도 영상 등을 입력밴드 영상으로 사용하였다.
- 대전광역시 일원의 SPOT-5 영상을 대상으로 선행지식 기반의 계층적 자동 지형분류를 위해 항공 LiDAR 자료와 감독분류 기반의 자동 지형분류를 위한 트레이닝 사이트(Training Site) 자동 선정을 위해 보조자료로 수치지도 Ver.2.0, 환경부 중분류 토지피복분류도를 함께 사용하였다. SPOT-5 영상은 2005년 4월, LiDAR 자료는 2005년 2월에 Optech사의 ALTM 3070 시스템에 의해 취득되었다.
- 미국, 유럽연합, 네덜란드 등 선진 외국의 5개 지형분류체계와 환경부, 국토해양부 등 국내 지형분류체계 4개에 대한 분석을 수행하였다. 미국, 유럽연합, 네덜란드 등 선진 외국의 경우 미국지질조사국, 유럽환경청, ITC 등 관련 전문기관을 주관기관으로 선정하여 표준적인 지형분류체계를 구축하고 있으며, 국내의 경우에도 환경부, 국토해양부, 방송통신위원회 전파관리소, 국방부 등에서 독자적인 지형분류체계를 수립하여 토지피복이나 이용현황 등에 대한 데이터베이스를 구축하고 있다.
성능/효과
- 6가지 기본원칙을 모두 만족하도록 선정한 표준 지형분류 항목은 토지피복과 토지이용적인 특성을 모두 반영할 수 있으며, 자동화된 분류가 가능하기 때문에 제안한 표준 지형분류체계를 통해 국토변화탐지를 수행하는 것이 가장 효과적일 것이라 판단된다.
- 감독분류 기반의 자동 지형분류 결과, 전체적으로 약 77.8%의 정확도를 갖는 것으로 나타났다. 특히 산림지, 도로, 도시 및 주거지, 수계 항목의 경우 모두 85% 이상의 높은 정확도를 나타냈다.
- 국토관리 및 계획수립을 주목적으로 하고 있는 국토해양부의 토지이용현황 분류체계는 농지, 임지, 도시 및 주거지, 수계 등으로 대분류는 간략하게 구분하고 있지만, 중분류 항목으로 세분화됨에 따라 토지피복보다는 토지이용에 보다 중점을 두고 있는 것으로 나타났다.
- 국토해양부 건설표준품셈 ‘구릉지(경사 5° 이내의 낮은 산림, 교외지 및 농경지 주변의 낮은 동산, 초지, 모래밭, 습지, 염전, 갯벌, 나지)’ 항목의 경우, 정의에 포함되는 지표면의 종류가 너무 포괄적이며, 그림 2에서와 같이 경사 5° 이내의 낮은 산림은 산악지와 구분이 어려워 작업자가 오분류 하는 등의 문제점이 발생되는 것으로 나타났다.
- 특히 산림지, 도로, 도시 및 주거지, 수계 항목의 경우 모두 85% 이상의 높은 정확도를 나타냈다. 또한, 정성적 분석에서도 LiDAR 자료를 추가함으로써 도심지 부분의 분류정확도가 향상되는 것을 확인할 수 있었다. 도심지의 경우 건물지붕의 색상이나 페인트 등의 영상으로 인해 초지나 나지로 오분류되는 현상이 현저히 감소하였으며, 그림자 영역이 수계로 오분류되거나 미분류 항목으로 남는 현상도 완전히 제거되었다.
- 마지막으로 각각의 지형분류체계는 활용목적에 따라 최적화된 분류항목을 수립하고 있다는 점이다. 환경관리나 환경정책수립 등을 주목적으로 수립된 분류체계는 다른 분류체계들에 비해 상대적으로 식생이 존재하는 피복들에 대한 항목을 세분화하고 있으며, 대분류 항목에서 습지를 별도의 분류항목으로 구분하고 있다.
- 선행지식 기반의 계층적 자동 지형분류 결과, 감독분류 결과보다 나지와 초지 항목의 분류정확도가 크게 향상된 것으로 나타났으며, 나지, 초지 및 농경지 사이의 구분이 보다 명확해짐에 따라 전체 분류정확도 역시 84.0%로 향상되었다. 이 결과는 작업자가 육안으로 지형을 판독한 후, 디지타이징을 통해 수동으로 작업을 수행하는 경우와 비교해도 떨어지지 않는 뛰어난 성능을 나타내고 있다.
- 표준 지형분류체계는 국토의 자연적, 인위적 변화요소들을 보다 효율적으로 표현하기 위한 목적을 가지고 있다. 제안한 8개 분류항목들은 국토변화의 다양한 양상을 모두 반영할 수 있고, 국토의 모든 영역을 중복이나 누락 없이 명확하게 구분하여 표현할 수 있다는 측면에서 상당히 적절하다고 할 수 있다.
- 제안한 표준 지형분류체계를 기반으로 이종센서를 이용한 자동 지형분류 수행 시, 산림지, 도시 및 주거지, 도로, 수계 항목에 대해서는 90% 이상의 높은 정확도를 나타내는 것으로 확인하였으며, 이를 통해 작업자의 실수나 착오에 의해 발생할 수 있는 오차범위 이내에서 지형분류의 자동화가 가능하다는 것을 확인하였다. 다만, 상대적으로 낮은 정확도를 나타내는 농경지, 초지, 나지 등의 분류항목은 영상의 촬영시기나 계절 등의 외부적 요인에 의해 다른 반사특성을 나타낼 수 있으므로, 자동분류를 수행한 후, 이를 참고자료로 하여 작업자에 의한 수동 디지타이징 방법을 적용하는 것이 보다 효율적일 것이라 판단된다.
- 그러나 기본적으로 대분류는 위성영상이나 항공사진 등 원격탐사 자료를 이용하여 구축할 수 있는 토지피복적인 특성을 기준으로 구분하고 있으며, 세분화 될수록 보조자료의 도움이 필요한 토지이용적인 특성을 나타내는 항목들로 구성되어 있다. 제작방법은 대부분 육안판독을 통해 지형을 분류하고 있으며, 따라서 활용목적에 따른 분류의 차이 이외에 작업자의 경험적 판단에 따라 동일한 활용목적의 분류항목에 대해서도 서로 다르게 분류되는 문제점을 가지고 있는 것으로 나타났다.
후속연구
- 제안한 표준 지형분류체계를 기반으로 이종센서를 이용한 자동 지형분류 수행 시, 산림지, 도시 및 주거지, 도로, 수계 항목에 대해서는 90% 이상의 높은 정확도를 나타내는 것으로 확인하였으며, 이를 통해 작업자의 실수나 착오에 의해 발생할 수 있는 오차범위 이내에서 지형분류의 자동화가 가능하다는 것을 확인하였다. 다만, 상대적으로 낮은 정확도를 나타내는 농경지, 초지, 나지 등의 분류항목은 영상의 촬영시기나 계절 등의 외부적 요인에 의해 다른 반사특성을 나타낼 수 있으므로, 자동분류를 수행한 후, 이를 참고자료로 하여 작업자에 의한 수동 디지타이징 방법을 적용하는 것이 보다 효율적일 것이라 판단된다.
- 이 결과는 작업자가 육안으로 지형을 판독한 후, 디지타이징을 통해 수동으로 작업을 수행하는 경우와 비교해도 떨어지지 않는 뛰어난 성능을 나타내고 있다. 오히려 작업자의 개인적인 판독오류나 실수 등의 현상을 방지할 수 있다는 점에서 보다 효율적이라고 할 수 있으며, 이를 통해 실무에의 직접적인 적용도 가능할 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.