본 연구는 LANDSAT TM영상을 이용하여 도농중심도시인 김제시의 토지이용변화를 분석하고 미래 변화예측을 시도한 것이다. 감독분류 시 새로운 시도로 훈련영역 선정 시 HSB(Hue, Saturation, Brightness) 변환영상을 이용함으로써 약 5% 이상의 분류정확도 향상을 가져왔다. 분류결과와 해당지역의 구역 별 인구, DEM, 도로망, 수계 등 GIS데이터를 고려하여 셀룰라오토마타 알고리즘을 발전시킨 Markov Chain 기법으로 토지이용변화예측을 실시하였다. 토지변화비율을 비교 분석한 결과 지형적인 특성이 토지이용의 변화에 가장 크게 영향을 미치는 것으로 판단되었다. 또한 2030년 후의 토지이용변화 예측 결과 김제시 전체에서 산악지의 21.67%가 농경지로 13.11%는 시가지로 변화될 것으로 예측되었다. 주된 변화는 도심 중심부에 위치한 규모가 작은 산악지인 것으로 예측 되었다. 연구결과 미래의 토지이용변화를 예측함으로써 식량자원의 확보를 위한 도농도시의 토지이용계획에 도움이 될 것으로 확신한다.
본 연구는 LANDSAT TM영상을 이용하여 도농중심도시인 김제시의 토지이용변화를 분석하고 미래 변화예측을 시도한 것이다. 감독분류 시 새로운 시도로 훈련영역 선정 시 HSB(Hue, Saturation, Brightness) 변환영상을 이용함으로써 약 5% 이상의 분류정확도 향상을 가져왔다. 분류결과와 해당지역의 구역 별 인구, DEM, 도로망, 수계 등 GIS데이터를 고려하여 셀룰라오토마타 알고리즘을 발전시킨 Markov Chain 기법으로 토지이용변화예측을 실시하였다. 토지변화비율을 비교 분석한 결과 지형적인 특성이 토지이용의 변화에 가장 크게 영향을 미치는 것으로 판단되었다. 또한 2030년 후의 토지이용변화 예측 결과 김제시 전체에서 산악지의 21.67%가 농경지로 13.11%는 시가지로 변화될 것으로 예측되었다. 주된 변화는 도심 중심부에 위치한 규모가 작은 산악지인 것으로 예측 되었다. 연구결과 미래의 토지이용변화를 예측함으로써 식량자원의 확보를 위한 도농도시의 토지이용계획에 도움이 될 것으로 확신한다.
This study attempts to analyze changes in land use patterns in a compound urban and agricultural city Kimje-si, using LANDSAT TM imagery and to forecast future changes accordingly. As a new approach to supervised classification, HSB(Hue, Saturation, Brightness)-transformed images were used to select...
This study attempts to analyze changes in land use patterns in a compound urban and agricultural city Kimje-si, using LANDSAT TM imagery and to forecast future changes accordingly. As a new approach to supervised classification, HSB(Hue, Saturation, Brightness)-transformed images were used to select training zones, and in doing so classification accuracy increased by more than 5 percent. Land use changes were forecasted by using a cellular automaton algorithm developed by applying Markov Chain techniques, and by taking into account classification results and GIS data, such as population of the pertinent region by area, DEMs, road networks, water systems. Upon comparing the results of the forecast of the land use changes, it appears that geographical features had the greatest influence on the changes. Moreover, a forecast of post-2030 land use change patterns demonstrates that 21.67 percent of mountain lands in Kimje-si is likely to be farmland, and 13.11 percent is likely to become city areas. The major changes are likely to occur in small mountain lands located in the heart of the city. Based on the study result, it seems certain that forecasting future land use changes can help plan land use in a compound urban and agricultural city to procure food resources.
This study attempts to analyze changes in land use patterns in a compound urban and agricultural city Kimje-si, using LANDSAT TM imagery and to forecast future changes accordingly. As a new approach to supervised classification, HSB(Hue, Saturation, Brightness)-transformed images were used to select training zones, and in doing so classification accuracy increased by more than 5 percent. Land use changes were forecasted by using a cellular automaton algorithm developed by applying Markov Chain techniques, and by taking into account classification results and GIS data, such as population of the pertinent region by area, DEMs, road networks, water systems. Upon comparing the results of the forecast of the land use changes, it appears that geographical features had the greatest influence on the changes. Moreover, a forecast of post-2030 land use change patterns demonstrates that 21.67 percent of mountain lands in Kimje-si is likely to be farmland, and 13.11 percent is likely to become city areas. The major changes are likely to occur in small mountain lands located in the heart of the city. Based on the study result, it seems certain that forecasting future land use changes can help plan land use in a compound urban and agricultural city to procure food resources.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
연구에서 변화예측 입력요소로서 가장 중요한 토지피복분류 정확도를 높일 수 있는 방안을 모색하고 수정된 변화예측기법을 적용하여 토지이용 변화양상을 모델링하고자 한다. 결과적으로 미래의 토지이용변화를 예측함으로써 식량자원의 확보를 위한 국가정책 결정에 도움을 주고자 한다.
궁극적으로 1974년부터 2006년까지의 토지이용의 변화와 고려인자를 기준으로 변화예측을 실시하여 2030 년의 토지이용을 예측하고 이를 장기적인 정책결정에 도움을 줄 수 있는 자료로써의 가능성을 제시하고자 한다.
또한 예측모델개발 시 객관적 다양한 요소를 고려한 연구가 부족한 실정이다. 따라서 본 연구에서는 도농도시로서 토지이용 변화가 빈번한 김제지역을 대상으로 보다 객관적인 방법으로 토지이용 변화예측을 수행하였다. 연구에서 변화예측 입력요소로서 가장 중요한 토지피복분류 정확도를 높일 수 있는 방안을 모색하고 수정된 변화예측기법을 적용하여 토지이용 변화양상을 모델링하고자 한다.
또한 동일지역에 대한 토지이용의 변화분석 시 인구, 도로망(고속국도, 국도), 수계, 수치표고자료 데이터를 준비하여 GIS의 공간분석 기능을 활용한 요소들 간의 영향과 상호작용을 파악함으로써 보다 정확한 예측이 가능하도록 하였다.
본 연구에서는 개선된 위성영상처리 기법을 이용하여 토지이용분류를 수행하였으며 오토마타기법을 수정한 Markov chain(Markov, 1960)기법에 다양한 인자를 고려하여 변화예측을 시도하고자 한다.
본 연구에서는 토지이용변화를 예측하기 위해 시계열 자료로 감독분류 결과를 입력하여 우선 토지이용변 화량을 분석하였다. 토지이용변화량 분석은 기본 지표 값으로 사용되며, 토지이용변화량 분석 후 사용자가 지정한 김제시 지역의 2006년 통계청 발표 각 동별 인구, 같은 해에 제작된 1/5,000 수치지도의 등고선 자료를 이용한 DEM자료, 고속국도, 국도, 수계레이어를 별도의 레이어로 분류하여 고려인자로 사용하였다.
따라서 본 연구에서는 도농도시로서 토지이용 변화가 빈번한 김제지역을 대상으로 보다 객관적인 방법으로 토지이용 변화예측을 수행하였다. 연구에서 변화예측 입력요소로서 가장 중요한 토지피복분류 정확도를 높일 수 있는 방안을 모색하고 수정된 변화예측기법을 적용하여 토지이용 변화양상을 모델링하고자 한다. 결과적으로 미래의 토지이용변화를 예측함으로써 식량자원의 확보를 위한 국가정책 결정에 도움을 주고자 한다.
제안 방법
면단위 행정구역별 인구는 쉐이프 파일형식으로 GIS 속성자료로 구축하였고 이를 심볼로지(symbology)색상으로 변환하여 입력하였다.
본 연구에서 갯벌로 인한 감독분류 오류를 최소화하기 위해 갯벌면적을 제외하여 511.52km²에 대해 분류를 수행하였다.
연구에서 토지이용변화를 분석하고, 토지 지목 상 시가화 지역의 면적을 1980년부터 5년 주기로 산출하여 수도권의 시가화 현상을 분석하였다.
영상변환 후 스크린 디지타이징방법으로 훈련영역을 설정 하였다.
위성영상을 좌표변환한 후에 한국토지정보시스템(KLIS)에서 제공하는 행정경계를 이용하여 연구대상지역인 김제시 지역만을 클리핑하여 추출하였다.
3, 2, 1밴드인 RGB영상을 이용하여 Hue영상, Sat영상으로 제작한 뒤 2007년 국토지리정보원에서 실시한 국토모니터링 성과를 참조하여 시가지, 농경지, 수계, 산악지로 클래스별 Hue 값과 Sat값을 구분하였다.
RGB영상을 HSB영상으로 변환하기 위해 Figure 3 에 보인 것과 같이 수평면 상 칼라를 의미하는 Hue각 도 120°를 경계로 프로그램을 작성하였다.
USGS에 다운받은 위성영상을 변환인자를 사용하여 좌표변환을 실시하고 기하보정 후 공간해상도를 30m로 통일하여 사용하였다.
USGS에서 제공하고 있는 위성영상좌표는 UTM좌 표계이므로 세계측지좌표계(GRS80, ITRF2000,+600k) 로 좌표변환하였다.
본 연구에서 실시한 토지이용분류에 대한 정확도를 평가하기 위해 전체 정확도(overall accuracy), 생산자 정확도(producer's accuracy), 사용자 정확도(user's accuracy) 그리고 kappa 계수를 산정하였다.
본 연구에서는 기존의 훈련영역 선정방법과 HSB변환 영상을 이용한 선정방법을 적용하여 분류정확도를 비교하였다. 훈련영역 선정 시 오류를 줄이기 위해 3, 2, 1밴드인 RGB영상을 H(Hue), S(Saturation), B(Brightness) 영상으로 변환하여 훈련영역을 선정하는데 활용하였다.
분류정확도를 높이기 위해 기존의 영상에서 감독 분류를 위해 훈련영역을 선정하는 방법과 HSB 변환영상을 이용하여 선정하는 방법을 사용하여 각각 수행하고 통계청 데이터와 비교하여 정확성을 확인하고자 한다.
분석결과의 정확성을 객관적으로 평가하기위해 통계청 데이터와 비교하여 확인해 보았다. 통계청에서는 1974년도의 데이터는 서비스되지 않고 있어, 1992년, 2000년, 2006년 데이터만 확인이 가능하였다.
얻어진 연도별 토지피복결과와 해당지역의 인구, DEM, 도로망, 수계, 토지이용도를 인자로 토지이용변화 예측을 실시한다. 예측기법은 도시성장예측 기법인 셀룰라 오토마타기법을 수정한 Markov chain(Markov, 1960) 기법을 사용하였다.
HSB의 기하학적 구조는 Figure 3과 같다. 연구대상 지역의 각 시기별 영상의 R,G,B밴드를 이용하여Color 영상을 만들고 ;OpenCV(Open Computer Vision) 알고리즘을 이용하여 HSB(색상;Hue, 채도;Saturation, 명도;Brightness)영상으로 분리하였다.
연구의 전체적인 과정은 Figure 2에서 보는 바와 같이 1974년부터 2006년까지의 LANDSAT영상을 이용하여 연도별 토지이용분류를 실시한다.
본 연구에서는 기존의 훈련영역 선정방법과 HSB변환 영상을 이용한 선정방법을 적용하여 분류정확도를 비교하였다. 훈련영역 선정 시 오류를 줄이기 위해 3, 2, 1밴드인 RGB영상을 H(Hue), S(Saturation), B(Brightness) 영상으로 변환하여 훈련영역을 선정하는데 활용하였다. HSB의 기하학적 구조는 Figure 3과 같다.
대상 데이터
토지이용변화량 분석은 기본 지표 값으로 사용되며, 토지이용변화량 분석 후 사용자가 지정한 김제시 지역의 2006년 통계청 발표 각 동별 인구, 같은 해에 제작된 1/5,000 수치지도의 등고선 자료를 이용한 DEM자료, 고속국도, 국도, 수계레이어를 별도의 레이어로 분류하여 고려인자로 사용하였다.
만경강과 동진강을 끼고 있는 곡창지대로써 전체토지의 41%가 평야 지대이다. 따라서 본 연구의 목적에 부합한 지역이라 생각되며 위성영상 또한 1974년부터 2006년까지 장기간에 걸쳐 확보가 가능하였기 때문에 연구지역으로 선정하였다(Figure 1).
연구대상지역인 도농중심 도시로 김제시에 대한 토지이용분류는 국토모니터링분류를 기준으로 자동분류가 모호한 시가지와 교외지, 도로를 하나로 묶어 시가지, 산악지, 수계, 농경지로 정하였다.
토지이용변화 예측 대상지는 김제시로 인구10만명의 도농복합도시이며 새만금을 배후로 하고 있고 현재 활발한 토지이용변화가 일어나고 있다. 동남쪽이 높고 서북쪽이 낮아 토지기복의 변화가 있으므로 DEM이 변화예측에 영향을 미칠 것으로 판단된다.
이론/모형
도농 도시성장을 예측하기 위해 대부분 셀룰라오토마타 알고리즘을 이용하여 왔으나 본 연구에서는 셀룰라오토마타 이론을 발전시킨 Markov chain 방법을 적용하였다.
예측기법은 도시성장예측 기법인 셀룰라 오토마타기법을 수정한 Markov chain(Markov, 1960) 기법을 사용하였다.
성능/효과
김제시 중앙부에 위치한 농경지 지역으로 갈수록 여러 가지 색상이 혼재하여 분포하는 것으로 보여, 변화 가능성이 높을 것으로 예측되었다.
변화유형은 도시 중심부에 위치한 작은 산악지가 시가지나 농경지로 변화될 가능성이 큰 것으로 분석되었고, 산악지와 같이 경사도가 높은 지역의 변화율은 낮게 나오는 것으로 확인되었다.
1. 변화예측 고려인자로 토지이용도를 사용하기 위해 HSB변환영상을 이용하여 훈련영역을 선정하고, 감독분류를 실시한 결과 기존방법보다 약5%정도의 분류정확도 향상 효과가 있었다.
1974년 부터 약 30년간 김제지역에 대한 토지피복을 감독분류한 결과 Table 5와 같이 전체적인 분류정확도는 평균 80%이상 양호하게 얻어졌으며, kappa 계수 또한 2000년도를 제외하고 0.6이상으로 양호하게 얻어졌다.
2. 2030년 김제시의 토지이용변화에 가장 큰 영향을 미치는 요소를 분석하기 위해 토지이용 예상 값을 이용하여 분석한 결과 지형적인 특성이 토지이용의 변화에 가장 크게 영향을 미치는 것으로 판단되었다.
3. Markov-Chain 기법에 의한 토지이용변화예측의 정확도를 높이기 위해 경사도, 도로망, 토지이용 분석결과는 물론 고속국도, 국도, 수계, 인구밀도 등의 지표값을 추가로 적용하였으며 그 결과 2030년 김제시는 산악지의 21.67%는 농경지로 13.11%는 시가지로 토지이용변화가 발생할 것으로 예측되었다.
6이상으로 양호하게 얻어졌다. 결과적으로 기존 감독분류방식 보다 약 3-5%정도의 전체 분류정확도의 향상을 확인할 수 있었다.
분석 결과 2006년까지의 토지피복 현황과 비슷하게 농경지와 산악지는 줄고, 시가지가 지속적으로 증가될것으로 분석되었다.
토지이용변화 비율 분석결과 농경지 부분은 변화율이 저조할 것으로 예측되었으며, 고도가 높은산이 분포한 곳은 변화 가능성이 있는 셀들이 많이 보이지 않았다.
질의응답
핵심어
질문
논문에서 추출한 답변
도농중심 도시로 김제시에 대한 토지 이용분류는 어떻게 하였는가?
연구대상지역인 도농중심 도시로 김제시에 대한 토지이용분류는 국토모니터링분류를 기준으로 자동분류가 모호한 시가지와 교외지, 도로를 하나로 묶어 시가지, 산악지, 수계, 농경지로 정하였다. 토지이용분류를 위한 위성영상은 LANDSAT 영상을 이용하였으며 본 연구에서 사용한 영상의 세부사항은 Table 1과 같다.
김제시를 연구지역으로 선정한 이유는 무엇인가?
토지이용변화 예측 대상지는 김제시로 인구10만명의 도농복합도시이며 새만금을 배후로 하고 있고 현재 활발한 토지이용변화가 일어나고 있다. 동남쪽이 높고 서북쪽이 낮아 토지기복의 변화가 있으므로 DEM이 변화예측에 영향을 미칠 것으로 판단된다. 만경강과 동진강을 끼고 있는 곡창지대로써 전체토지의 41%가 평야 지대이다. 따라서 본 연구의 목적에 부합한 지역이라 생각되며 위성영상 또한 1974년부터 2006년까지 장기간에 걸쳐 확보가 가능하였기 때문에 연구지역으로 선정하였다(Figure 1).
2005년 농림어업 총 조사 결과는 어떠한가?
기상이변과 도시화에 따른 농지의 감소로 인해 식량의 생산량이 감소하고 있으며 세계 강대국들은 미래에 식량을 무기화 할 수도 있는 가능성을 시사하고 있다. 2006년 통계청의 발표에 의하면 2005년 농림어업 총 조사 결과 전국의 농가인구가 1990년에 비해 절반이하로 줄어들었으며 도시화로 인해 농업용지도 해마다 감소하고 있는 실정이다. 이러한 문제점을 해결하기 위해서는 현재의 토지이용이 과거에 비해 각 도시유형별로 어떤 형태로 변화해 오고 있는지를 파악하고 이를 개발 계획에 반영해야 할 것이다.
참고문헌 (16)
강철원, 2006, 도시화 과정 및 발전방향, 경기도청, pp.6-8.
김근남, 2005, 고해상도 위성영상을 이용한 토지피복 분류정확도 향상에 관한 연구, 석사학위논문, 인하대학교.
김성준, 정인균, 2006, 셀룰라 오토마타와 Markov Chain 모형을 이용한 토지이용 변화 예측, 한국관개배수회지 제13권, 1호, pp.110-117.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.