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
- InSAR 영상을 이용한 토지피복분류 체계는 광학영상의 추가 도입 없이 SAR 신호 자체만으로 토지 피복을 분류할 수 있으며, 따라서 식생과 수계 등의 분포에 영향을 받는 DInSAR 기반 표면 변이 추출 결과의 신뢰성 확인에 유용하다. 현재 까지 InSAR 기반 토지피복분류법으로 주로 사용한 Wegmuller와 Werner (1997)[7]의 접근법은 다양한 식생 분포 상태에서는 분류 정확도가 전체적으로 낮게 나타나는 문제점이 발견되었으며 따라서 본 연구에서는 InSAR 시계열 분석을 도입하여 고정밀도 토지피복분류 방법의 개발을 시도하였다. InSAR 시계열 패킷 구성과 주성분 분석을 통하여 백두산 지역에서 L band ALOS PALSAR 영상군을 이용하여 수행된 토지피복분류 결과는 종래 Wegmuller와 Werner (1997)[7]의 접근법과 비교하여 나대지는 80%에서 87%, 거주지는 33%에서 83%로 분류되어 분류의 정확도가 크게 향상되었으며 이는 EO ALI, MODIS 등 광학 영상 기반 검증 결과와 비교하여 검증되었다.
제안 방법
- 긴밀도와 후방산란계수, 후방 산란계수차 조합에 대한 최대우도 감독분류 적용결과, 나대지와 숲의 분류 정확도는 높았으나 주거지와 나대지, 관목과 초지 간 피복 분리에 문제가 발견되었다. 특히 Figure 4 (c)와 (d)의 편광에 따른 최대우도 감독분류 결과를 살펴보면 HV 편광 기반 영상 분석에서 숲에 해당하는 영역 중 거주지로 잘못 분류된 지역이 많음을 확인 할 수 있으며 결론적으로 이와 같은 긴밀도와 후방산란계수, 후방 산란계수차의 신호군 조합에 의한 토지피복분류 문제점을 해결하기 위해 다음과 같은 분류방법을 도입하였다.
- 토지피복분류을 위해 InSAR 영상 분석을 도입한 사례는 [7]에 의한 ERS 기반의 토지피복분류가 최초이며 복잡한 토지피복지역에 대해 InSAR 영상 분석만으로 신뢰성 있는 분류지도를 구축 하는데 성공하면서 그 실용성이 증명되었다[6]. SAR는 L밴드, C밴드, X밴드의 마이크로파 주파수대를 가지며 파장별로 전파의 특성이 다르게 나타나는데 선행연구에서는 주로 ERS-1 2, JERS C밴드 데이터를 이용한 실험을 수행하였으며 본 연구에서는 L band ALOS PALSAR 영상과, 향상된 시계열 분석 알고리즘을 도입하여 토지분류 정확도 향상을 시도하고 이를 광학영상 기반의 분류 결과와 비교 검증 하였다.
- 고해상도의 EO-ALI 영상과 중해상도의 MODIS L1영상, LV3 MOD13(Modis Vegetation Index)(NASA JPL, 2012)의 정규화식생지수(NDVI)와 개량식생지수(EVI) 수치를 참고하여 Table 1의 6개 토지 피복(수계, 경작지, 나대지, 관목, 숲, 주거지)에 대한 training vector를 설정하였으며 긴밀도와 후방산란계수, 후방 산란계수차의 조합으로 구성된 신호군(feature)에 최대우도 감독분류를 적용하여 백두산의 토지 피복을 추출하였다 (Figure 4). Figure 4(a)∼(d) 영상의 시기는 Figure 3에 적용된 날짜와 동일하다.
- 백두산 지역에는 실제로 가용한 지상검증자료가 없기 때문에 우회적으로 MODIS 영상과 식생지수와 개량식생지수를 통하여 수립한 검증 영역를 사용하여 본 연구의 분류 정확도를 검증 하였으며 Table 7, 8과 같이 오차 행렬표를 계산하여 기존의 연구와 본 연구의 분류정확도를 비교하였다. 오차행렬표의 검증자료(Test reference data)는 통계적 객관성을 유지하기 위해 Table 1의 training vector영역을 제외하고 각 항목에 해당하는 새로운 검증 영역을 설정하였으며 오차 행렬표의 행은 새로 설정한 검증 영역의 항목을 나타내고 열은 토지피복분류 결과에 해당한다.
- 지금까지의 InSAR 기반 토지피복분류 연구는 후방산란계수와 긴밀도 특성을 이용하여 긴밀도 – 후방산란계수–간섭쌍의 후방산란계수 차이의 밴드 조합으로 토지피복을 분류하는 접근법을 사용해 왔다. 본 연구에서는 L밴드 SAR 영상을 도입하는 방법 외에 간섭쌍을 이용해 패킷을 구성하고 주성분 분석을 통해 분류 잡음을 제거하는 알고리즘을 구축하였다.
- 연구에 사용한 SAR 데이터는 JAXA(Japan Aerospace exploration Agency)에서 제공하는 RAW 신호(Level 0) 형태이며 2009년에서 2011년 사이의 12개 ALOS PALSAR 데이터를 이용하여 간섭쌍을 형성하였다. 상용 SAR 영상처리 소프트웨어 SARscape를 사용하여 RAW 데이터를 SLC(Single Look Complex)데이터로 변환하였으며 진폭 영상과 긴밀도 생성 및 지리적 좌표를 부여(geocoding)하는 작업을 수행하였다.
- 위와 같이 구성된 패킷에 주성분분석을 적용하여 신호군을 새로 구성하고 최대우도분류를 수행하여 6개 토지피복을 추출하였다.
- 중해상도 MODIS LV3 MOD13(NASA JPL, 2012) 자료의 정규화 식생지수(NDVI), 개량 식생 지수(EVI) 수치와 고해상도 EO-ALI 광학 영상의 토지피복분류 결과를 바탕으로 본 연구의 토지피복분류 결과를 평가 및 검증하였다.
대상 데이터
- 본 연구의 대상지역 Figure 1은 높이 2,750m, 북위 41˚01´, 동경 128˚05´에 위치하는 백두산으로, 현지답사가 어려운 한계점이 존재하기 때문에 위성영상을 이용하여 정확한 토지분류를 수행하고자 선정하였다.
- 연구에 사용한 SAR 데이터는 JAXA(Japan Aerospace exploration Agency)에서 제공하는 RAW 신호(Level 0) 형태이며 2009년에서 2011년 사이의 12개 ALOS PALSAR 데이터를 이용하여 간섭쌍을 형성하였다. 상용 SAR 영상처리 소프트웨어 SARscape를 사용하여 RAW 데이터를 SLC(Single Look Complex)데이터로 변환하였으며 진폭 영상과 긴밀도 생성 및 지리적 좌표를 부여(geocoding)하는 작업을 수행하였다.
성능/효과
- Figure 7(a)의 HH 편광, Figure 7(b) HH-HV 편광, Figure 7(c) HV 편광 3가지 방법으로 구성된 패킷 중에서 HH 편광으로만 이루어진 패킷 구성에서 토지피복분류의 정확도가 가장 높음을 확인하였다. 분류 결과를 자세히 살펴보면 Figure 7(a)의 HH 패킷 기반 토지피복분류 결과 특히 숲과 관목의 토지피복의 분류가 효과적으로 이루어졌으며 경작지와 주거지가 잘 분리 되었다. 정상부분은 급경사 지형 영향에 따른 그림자 효과(shadowing effect)로 인하여 수계로 잘못 분류되었으나 고도와 경사각의 계산으로 쉽게 제거가 가능할 것이다.
- Figure 7(a)의 HH 편광, Figure 7(b) HH-HV 편광, Figure 7(c) HV 편광 3가지 방법으로 구성된 패킷 중에서 HH 편광으로만 이루어진 패킷 구성에서 토지피복분류의 정확도가 가장 높음을 확인하였다. 분류 결과를 자세히 살펴보면 Figure 7(a)의 HH 패킷 기반 토지피복분류 결과 특히 숲과 관목의 토지피복의 분류가 효과적으로 이루어졌으며 경작지와 주거지가 잘 분리 되었다.
- 현재 까지 InSAR 기반 토지피복분류법으로 주로 사용한 Wegmuller와 Werner (1997)[7]의 접근법은 다양한 식생 분포 상태에서는 분류 정확도가 전체적으로 낮게 나타나는 문제점이 발견되었으며 따라서 본 연구에서는 InSAR 시계열 분석을 도입하여 고정밀도 토지피복분류 방법의 개발을 시도하였다. InSAR 시계열 패킷 구성과 주성분 분석을 통하여 백두산 지역에서 L band ALOS PALSAR 영상군을 이용하여 수행된 토지피복분류 결과는 종래 Wegmuller와 Werner (1997)[7]의 접근법과 비교하여 나대지는 80%에서 87%, 거주지는 33%에서 83%로 분류되어 분류의 정확도가 크게 향상되었으며 이는 EO ALI, MODIS 등 광학 영상 기반 검증 결과와 비교하여 검증되었다.
- Table 7에서 단일 영상의 분류정확도는 수계 96%, 경작지 48%, 나대지 80%, 관목 24% 숲 78%, 거주지 33%로 나타났으며 Table 8에서 패킷을 이용한 영상의 분류는 수계 99%, 경작지 90%, 나대지 87%, 관목 24% 숲 82%, 거주지 83%의 정확도를 보였다. 전체적으로 패킷을 구성하여 분류하였을 때 정확도가 더 높게 나타났으며 특히 나대지는 80%에서 87%, 거주지는 33%에서 83%로 분류되어 정확도가 크게 향상되었다.
- 결론적으로 하나의 간섭쌍으로부터 긴밀도와 후방 산란계수, 후방 산란계수차의 조합으로 토지피복을 분류한 Wegmüller와 Werner(1997)[7] 접근법과 비교해볼 때, 시계열상 패킷을 구성하고 주성분 분석으로 신호군을 재조합하여 토지피복분류를 수행한 Figure 7과 Figure 8의 분류 정확도가 더 높음을 확인하였으며 이에 대한 정확도 평가를 실시하였다.
- 백두산의 대부분 지역은 식생과 삼림이 광범위 하게 분포 되어있으므로 InSAR쌍의 두 영상 취득시간차로 인하여 관측 표면에 미세한 변화가 발생하고 이에 따라 위상의 긴밀도가 저하된다. 따라서 단파장 C밴드를 이용한 간섭기법의 적용이 제한적 되어 있었으나 본 연구의 경우 두 SAR 자료간의 촬영시기 차이에 의한 영향이 작고 지표 투과율이 높은 L밴드 ALOS PALSAR 영상 데이터를 사용하여 시계열 분석을 도입함으로써 분류의 정확도 향상을 도모하였다.
- 식생지수, 개량식생지수를 HH 패킷의 토지피복분류 결과와 비교해 본 결과 식생지수가 높은 지역은 HH 패킷에서 산림으로 분류된 분포와 일치함을 파악할 수 있었으며 이를 통해 HH 패킷의 토지피복이 높은 정확도로 분류되었음을 확인하였다.
- Table 7에서 단일 영상의 분류정확도는 수계 96%, 경작지 48%, 나대지 80%, 관목 24% 숲 78%, 거주지 33%로 나타났으며 Table 8에서 패킷을 이용한 영상의 분류는 수계 99%, 경작지 90%, 나대지 87%, 관목 24% 숲 82%, 거주지 83%의 정확도를 보였다. 전체적으로 패킷을 구성하여 분류하였을 때 정확도가 더 높게 나타났으며 특히 나대지는 80%에서 87%, 거주지는 33%에서 83%로 분류되어 정확도가 크게 향상되었다.
- 주성분분석은 원 영상에서 분산의 최대비율을 설명하는 1차 주성분과 잔여 분산의 최대비율을 나타내는 직교성분의 조합으로 구성되며 영상의 차원을 줄이고 잡음을 제거하는데 효과적이다. 주성분분석 적용 결과 첫 번째 밴드의 성분이 일정한 긴밀도와 진폭값을 포함하고 있어 신호의 평균값을 대체 할 수 있음을 관찰하였으며 주성분분석의 세 번째, 네 번째 밴드의 성분에는 주로 잡음성분이 포함 되었으므로 신호군 구성에서 제외하였다.
- InSAR HH 패킷의 토지피복분류 결과인 Figure 10(b)와 비교하여 볼 때 지형 효과로 잘못 분류된 수계의 경우를 제외하고는 고해상도 ALI 영상보다 InSAR HH 패킷 기반이 더 높은 분류 정확도를 보여준다. 특히 숲과 관목의 분류가 더 정밀하게 나타났으며 주거지의 분류 및 도로망이 정확하게 탐지되어 ALI 영상 기반보다 높은 분류 정확도를 보여준다.
후속연구
- ENVISAT ASAR, ERS와 ALOS PALSAR 등의 10-15m 해상도 SAR 위성군은 현재 ALOS-2 PALSAR, Sentinel-1 및 Terra-X COSMO SkyMed 등 1-10m 고해상도 센서 체계로 대체되고 있다. 따라서 추후 연구에서는 고해상도 SAR 영상을 대상으로 InSAR 시계열 분석을 이용한 토지피복분류체계 개발을 시도할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.