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
- 이러한 문제 인식하에서 보다 경제적이고 신속하게 토양의 포장상태를 파악하는 방법으로서 고해상도 인공위성영상을 이용하는 방안을 모색하였다. 따라서 본 연구에서는 국산 고해상도 위성영상인 KOMPSAT-2를 이용하여 토지피복분류를 실시하고 재분류를 통해 불투수면을 추출하고자 한다. 또한 고해상도 위성영상을 이용한 토지피복분류에 있어 전통적인 분류기법에서 오는 오분류 가능성을 배제하기 위해 밴드별 분광강조 기법을 이용한 분류계급별 분광특성을 분석하고, 그 특성에 따른 임계치를 설정해 계급별 추출방법을 통해 보다 정확한 분류를 실시하도록 한다.
- 이 연구는 국산 고해상도 위성영상인 KOMPSAT-2를 이용하여 최근 이슈가 되고 있는 도시홍수 등 도시의 생태와 재해 그리고 오염 등에 영향을 미치는 불투수지표면을 분석하는 방법을 모색하는 연구로서, 대전광역시를 대상으로 실증연구를 수행하였다. 위성영상을 이용하여 불투수지도를 제작하는 방법론의 유용성을 정리하면 다음과 같다.
- 이러한 문제 인식하에서 보다 경제적이고 신속하게 토양의 포장상태를 파악하는 방법으로서 고해상도 인공위성영상을 이용하는 방안을 모색하였다. 따라서 본 연구에서는 국산 고해상도 위성영상인 KOMPSAT-2를 이용하여 토지피복분류를 실시하고 재분류를 통해 불투수면을 추출하고자 한다.
제안 방법
- 추출된 각 계급별 400개씩의 Pixel data가 가진 지수 데이터를 Minitab 통계프로그램을 이용해 정규화 된 분포 분석을 실시하였다. 14개의 분류 계급중 대표되는 9개의 계급(water, paddy, barren, building, forest, grass, road, vinyl house, shadow)을 선정해 Index별로 어떤 분포 특성을 보이는지 파악하였다.
- 각 TCT index별로 14개 계급에 대한 신뢰구간에 포함되는 pixel들만을 추출해 따로 layer를 구축해 저장해 놓는다. 3개의 TCT index별 14개의 계급 layer가 생성된 총 42개의 layer를 형성하게 되고, 이 data는 이후 3개의 TCT index를 모두 만족시키는 공동 pixel을 분석해 최종적으로 분류계급화 하였다(그림 11).
- Error matrix를 통한 분류정확도 평가를 실시하였다. 각각의 선택된 분류계급들에 해당하는 행렬상의 분류오차를 계산해 전체 정확도를 평가하였다.
- 각 TCT index별로 14개 계급에 대한 신뢰구간에 포함되는 pixel들만을 추출해 따로 layer를 구축해 저장해 놓는다. 3개의 TCT index별 14개의 계급 layer가 생성된 총 42개의 layer를 형성하게 되고, 이 data는 이후 3개의 TCT index를 모두 만족시키는 공동 pixel을 분석해 최종적으로 분류계급화 하였다(그림 11).
- Error matrix를 통한 분류정확도 평가를 실시하였다. 각각의 선택된 분류계급들에 해당하는 행렬상의 분류오차를 계산해 전체 정확도를 평가하였다.
- 추출기법을 통해 14개의 계급으로 분류된 토지피복도를 토대로 2분법적 재분류 방법을 이용해 대상 유역의 투수지역과 불투수지역을 구분하도록 하였다(표 2). 그림자 영역의 경우 육안분류를 통해 인접한 다른 계급으로 편입시켜 조정을 실시하였다.
- 15%로 분류의 신뢰도가 상당히 뛰어난 것으로 판단되었다. 따라서 이를 토대로 재분류를 통해 최종적인 불투수면지도(impervious map)를 작성 후 대상지의 불투수율을 산정하도록 하였다.
- 따라서 본 연구에서는 국산 고해상도 위성영상인 KOMPSAT-2를 이용하여 토지피복분류를 실시하고 재분류를 통해 불투수면을 추출하고자 한다. 또한 고해상도 위성영상을 이용한 토지피복분류에 있어 전통적인 분류기법에서 오는 오분류 가능성을 배제하기 위해 밴드별 분광강조 기법을 이용한 분류계급별 분광특성을 분석하고, 그 특성에 따른 임계치를 설정해 계급별 추출방법을 통해 보다 정확한 분류를 실시하도록 한다.
- 본 연구에서는 400개의 표본 샘플 추출에 이용되었던 토지이용도를 참고로 Threshold값인 (α)의 조정에 의한 추출을 달리해 비교한 뒤 적정 조정계수를 선정함으로써 계급별 신뢰구간을 추정하였다(그림 10).
- 본 연구에서는 기존의 분류방법에서 벗어난 새로운 분류기법의 적용성을 검토하여 토지피복도를 작성 후 불투수면 지도를 작성하기위해 분광강조기법을 이용하여 계급별 단계적 추출을 이용한 분류를 시도하였다.
- 본 연구에서는 지리정보와의 명확한 매칭을 위해 1:5,000 축척의 수치지도를 참고자료로 하여 GCP(Ground Control Point)선정에 의한 기하보 정을 실시하였다(그림 5).
- 위성영상의 취득 당시 함께 제공받았던 RPC(Rational Polynomial Coefficient) file을 이용한 정사보정을 실시하였다(그림 4). RPC file은 촬영 당시의 내부표정요소 및 외부표정요소에 대한 정보를 담고 있어 상용 틀에 입력되어 쉽게 정사보정을할 수 있게 도와준다.
- 취득된 4개의 4m급 Multi-spectral 이미지와 1m급 Panchromatic 이미지의 영상융합을 거쳐 정사보정을 실시하고, 지표의 기하학적 왜곡을 수정하기 위해 해당 대상지역의 수치지도를 참고로 한기하보정을 실시한다. 이와 같은 영상 전처리 과정을 거쳐 얻어진 1m급 Multi-spectral 이미지는 이미지 강조 기법인 Tasseled-cap Transformation 모델을 이용해 새로운 3개의 모델(토양밝기지수, 식생지수, 습윤지수)로 변환되고, 변환된 3개의 모델을 토대로 토지이용도의 참고자료를 이용해 계급별 sample pixel들을 추출한다. 추출된 각 모델별 계급의 지수들은 비초과확률을 통해 신뢰구간을 선정하게 되고, 신뢰구간 안에 포함되어지는 각 모델들의 계급별 해당 지수들의 공통적인 pixel선정으로 최종적인 계급 추출을 한다.
- 전체 14개의 계급으로 구성된 토지피복분류도를 작성하였다. 계급별 면적분포는 표 4에 정리하였다.
- 총 14개의 계급(물, 밝은 나지, 어두운 나지, 골프장, 도로, 침엽수림, 활엽수림, 농경지, 비닐하우스, 블루톤 건물, 레드톤 건물, 콘크리트 건물, 초지, 그림자)을 구분해, 각 분류계급이 3개의 TCT 모델에서 각각 어느 지수범위 안에 분포하는지 분석하였다. 분석된 지수들은 통계분석을 토대로 Min, Max, Mean, Std dev.
- 추출기법을 통해 14개의 계급으로 분류된 토지피복도를 토대로 2분법적 재분류 방법을 이용해 대상 유역의 투수지역과 불투수지역을 구분하도록 하였다(표 2). 그림자 영역의 경우 육안분류를 통해 인접한 다른 계급으로 편입시켜 조정을 실시하였다.
- 취득된 4개의 4m급 Multi-spectral 이미지와 1m급 Panchromatic 이미지의 영상융합을 거쳐 정사보정을 실시하고, 지표의 기하학적 왜곡을 수정하기 위해 해당 대상지역의 수치지도를 참고로 한기하보정을 실시한다. 이와 같은 영상 전처리 과정을 거쳐 얻어진 1m급 Multi-spectral 이미지는 이미지 강조 기법인 Tasseled-cap Transformation 모델을 이용해 새로운 3개의 모델(토양밝기지수, 식생지수, 습윤지수)로 변환되고, 변환된 3개의 모델을 토대로 토지이용도의 참고자료를 이용해 계급별 sample pixel들을 추출한다.
- 토지이용도 자료를 토대로 확실시되는 계급별 boundary 내의 균일한 pixel(400pixel)을 선택 후각 계급별 3개 TCT 모델 index내의 지수 범위를 파악하고자 하였다(그림 6).
- 1) KOMPSAT-2 위성영상은 정밀 토지피복 분포 및 복잡한 도시지역의 불투수지표면의 상태를 파악하는데 매우 유용한 자료로 활용할 수 있다. 특히 본 연구에서는 토지이용도를 기준으로 토지용도별로 계급을 나누고 계급별 불투수율을 분석하였다. 이는 토지피복을 이루고 있는 계급별 특성을 분석하기 위한 기술로 활용할 수 있다.
- 프로그램의 버전 상 센서타입의 설정에 있어 KOMPSAT-2 영상의 타입을 제공하지 않아서 분광해상도가 유사한 IKONOS로 센서타입을 설정하여 적용하였다.
대상 데이터
- 본 연구는 대전광역시를 대상으로 실증연구를 수행하였다. 대상지 선정에는 우선적으로 국산 고해 상도 위성영상인 KOMPSAT-2의 영상취득 가능 유무와 기상조건이 A급일 때의 영상을 이용하고자 하였다(그림 1).
- 본 연구는 대전광역시를 대상으로 실증연구를 수행하였다. 대상지 선정에는 우선적으로 국산 고해 상도 위성영상인 KOMPSAT-2의 영상취득 가능 유무와 기상조건이 A급일 때의 영상을 이용하고자 하였다(그림 1).
- 취득한 KOMPSAT-2 영상은 2007년 5월 10일에 촬영된 영상으로 운량조건은 A급이며 구름이 거의 존재하지 않는 깨끗한 이미지이다. 가시광선 영역대인 RGB를 포함해 NIR(Near Infrared)와 함께 4개의 밴드를 지니며, Panchromatic까지 총 5개의 별도 GeoTiff이미지로 구성되어 있고, 각각의 RPC(Rational Polynomial Coefficient) data를 포함한다(표 1).
데이터처리
- 표본점 선정은 영상 전역에 골고루 포인트를 지정하였으며 resampling 기법으로는 nearest neighbor resamplin법을 이용 하였다. 정확도의 향상을 위하여 GCP 선정에 차이를 두어 여러 차례 반복 실시 후 RMSE(Root Mean Squared Error)값이 가장 적게 나타날 때의 보정 결과를 최종 영상으로 인정하였다.
- 추출된 각 계급별 400개씩의 Pixel data가 가진 지수 데이터를 Minitab 통계프로그램을 이용해 정규화 된 분포 분석을 실시하였다. 14개의 분류 계급중 대표되는 9개의 계급(water, paddy, barren, building, forest, grass, road, vinyl house, shadow)을 선정해 Index별로 어떤 분포 특성을 보이는지 파악하였다.
이론/모형
- 3) 본 연구에서는 고해상도 위성영상을 이용한 토지피복분류에 있어 전통적인 분류기법에서 오는 오분류 가능성을 배제하기 위해 밴드별 분광강조 기법을 이용한 분류기법을 적용하였다. 이는 영상에서 공간적 분광 특성에 따른 불투수 지표면의 특성을 해석하는데 지표로 활용할 수 있다.
- Bundle로 제공된 KOMPSAT-2의 각 밴드별 해상도의 증가를 위해 Custom Subtractive Resolution Merge를 실시하였다(그림 3). 기존의 Principal Component Analysis, Multiplication, IHS법 등은 KOMPSAT-2 이미지에 적용결과 양질의 Output을 제공하지 못하여, Shapen 정도와 Pan 분포의 가중치를 조절할 수 있는 Custom Subtractive Resolution Merge법을 이용하였다.
- Bundle로 제공된 KOMPSAT-2의 각 밴드별 해상도의 증가를 위해 Custom Subtractive Resolution Merge를 실시하였다(그림 3). 기존의 Principal Component Analysis, Multiplication, IHS법 등은 KOMPSAT-2 이미지에 적용결과 양질의 Output을 제공하지 못하여, Shapen 정도와 Pan 분포의 가중치를 조절할 수 있는 Custom Subtractive Resolution Merge법을 이용하였다.
- 따라서 본 연구에서는 KOMPSAT-2에 적용하기 위해 영상특성이 매우 흡사한 IKONOS를 위해 개발된 Horne식을 적용하여 변환하였다.
- 본 연구에서 이루어진 모든 분석은 Leica에서 보급하는 ERDAS IMAGINE V8.6을 이용해 실시하였다.
- 본 연구에서는 지리정보와의 명확한 매칭을 위해 1:5,000 축척의 수치지도를 참고자료로 하여 GCP(Ground Control Point)선정에 의한 기하보 정을 실시하였다(그림 5). 표본점 선정은 영상 전역에 골고루 포인트를 지정하였으며 resampling 기법으로는 nearest neighbor resamplin법을 이용 하였다. 정확도의 향상을 위하여 GCP 선정에 차이를 두어 여러 차례 반복 실시 후 RMSE(Root Mean Squared Error)값이 가장 적게 나타날 때의 보정 결과를 최종 영상으로 인정하였다.
성능/효과
- 4) 유역수문모델 및 도시수문모델을 이용한 도시 지역에서의 다각적인 오염부하 해석 시 토지이용에 따른 모의 구동을 위한 기초 입력자료 제공에 활용할 수 있으며, 소단위 공간의 유출 특성 분석과 유역의 오염부하량 산정에 이용할 수 있다. 이 외에도 전국적인 토지이용 현황과 오염부하와의 관계 해석에 기술적 초석을 제공 할 것이다.
- 전체적으로 상당히 높은 분류정확도를 보이며, 전체정확도는 97.15%로 분류의 신뢰도가 상당히 뛰어난 것으로 판단되었다. 따라서 이를 토대로 재분류를 통해 최종적인 불투수면지도(impervious map)를 작성 후 대상지의 불투수율을 산정하도록 하였다.
- 토지피복분류도의 투수지역과 불투수지역으로 재분류 실시 결과, 대상유역 전체의 불투수율은 31.16%로 나타났다(그림 14).
후속연구
- 2) 본 연구의 수행결과인 고해상도 위성영상을 활용한 불투수면 지도는 도시의 지속가능한 발전을 위한 합리적인 토지이용규제 및 오염총량관리제에서의 개발 규제 및 완화에 대한 지표 마련에 활용할 수 있다. 또한 수질오염총량관제에서 설정하고 있는 목표수질에 부합할 수 있는 개발계획의 기초자료로 이용될 수 있을 것이다.
- 5) 궁극적으로 본 연구에서 제시된 결과는 과거의 불투수면 변화 실태의 확인 필요성이 제기될 때 현재의 상황과 비교할 수 있어 불투수공간의 확대 및 환경 악화의 원인을 분석하는데 중요한 도구로 사용될 수 있을 것이다.
- 2) 본 연구의 수행결과인 고해상도 위성영상을 활용한 불투수면 지도는 도시의 지속가능한 발전을 위한 합리적인 토지이용규제 및 오염총량관리제에서의 개발 규제 및 완화에 대한 지표 마련에 활용할 수 있다. 또한 수질오염총량관제에서 설정하고 있는 목표수질에 부합할 수 있는 개발계획의 기초자료로 이용될 수 있을 것이다.
- 4) 유역수문모델 및 도시수문모델을 이용한 도시 지역에서의 다각적인 오염부하 해석 시 토지이용에 따른 모의 구동을 위한 기초 입력자료 제공에 활용할 수 있으며, 소단위 공간의 유출 특성 분석과 유역의 오염부하량 산정에 이용할 수 있다. 이 외에도 전국적인 토지이용 현황과 오염부하와의 관계 해석에 기술적 초석을 제공 할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.