본 연구의 목적은 토지와 물이 포함된 지역에서 초분광 영상을 이용한 토지피복 분류 가능성을 제시하는데 있다. CASI-1500 항공 초분광 영상을 통해 취득한 초분광 영상에 대해 전처리 작업으로서 대기보정을 수행한 후, 대기보정 전 후에서 몇 개의 토지피복 클래스에 대해 대기보정 효과가 비교 분석되었다. 항공사진과 수치지형도와 같은 참조자료로 활용하여 초분광 영상에 의한 토지피복 분류결과를 분석한 결과, 최대우도법에서는 약 67.0%의 전체정확도를 나타내었으며, 최소거리법은 52.4%의 전체정확도를 보였다. 또한 도로, 밭, 비닐하우스에서는 토지피복 분류의 생산자 정확도가 높게 나타났으나, 하천, 산지, 초지지역에서는 매우 복잡한 객체로 구성되어 있기 때문에 토지피복 분류의 생산자 정확도가 낮게 나타났다. 따라서 향후에는 특정객체 분류를 위한 최적의 밴드선별과 객체 고유의 분광특성을 고려한 분광 라이브러리를 구축하는 연구가 필요하다.
본 연구의 목적은 토지와 물이 포함된 지역에서 초분광 영상을 이용한 토지피복 분류 가능성을 제시하는데 있다. CASI-1500 항공 초분광 영상을 통해 취득한 초분광 영상에 대해 전처리 작업으로서 대기보정을 수행한 후, 대기보정 전 후에서 몇 개의 토지피복 클래스에 대해 대기보정 효과가 비교 분석되었다. 항공사진과 수치지형도와 같은 참조자료로 활용하여 초분광 영상에 의한 토지피복 분류결과를 분석한 결과, 최대우도법에서는 약 67.0%의 전체정확도를 나타내었으며, 최소거리법은 52.4%의 전체정확도를 보였다. 또한 도로, 밭, 비닐하우스에서는 토지피복 분류의 생산자 정확도가 높게 나타났으나, 하천, 산지, 초지지역에서는 매우 복잡한 객체로 구성되어 있기 때문에 토지피복 분류의 생산자 정확도가 낮게 나타났다. 따라서 향후에는 특정객체 분류를 위한 최적의 밴드선별과 객체 고유의 분광특성을 고려한 분광 라이브러리를 구축하는 연구가 필요하다.
The objective of this study is to suggest the possibility on land cover classification using hyperspectal imagery on area which includes lands and waters. After atmospheric correction as a preprocessing work was conducted on hyperspectral imagery acquired by airborne hyperspectral sensor CASI-1500, ...
The objective of this study is to suggest the possibility on land cover classification using hyperspectal imagery on area which includes lands and waters. After atmospheric correction as a preprocessing work was conducted on hyperspectral imagery acquired by airborne hyperspectral sensor CASI-1500, the effect of atmospheric correction to a few land cover class in before and after atmospheric correction was compared and analyzed. As the result of accuracy of land cover classification by highspectral imagery using reference data as airphoto and digital topographic map, maximum likelihood method represented overall accuracy as 67.0% and minimum distance method showed overall accuracy as 52.4%. Also product accuracy of land cover classification on road, dry field and green house, but that on river, forest, grassland showed low because the area of those was composed of complex object. Therefore, the study needs to select optimal band to classify specific object and to construct spectral library considering spectral characteristics of specific object.
The objective of this study is to suggest the possibility on land cover classification using hyperspectal imagery on area which includes lands and waters. After atmospheric correction as a preprocessing work was conducted on hyperspectral imagery acquired by airborne hyperspectral sensor CASI-1500, the effect of atmospheric correction to a few land cover class in before and after atmospheric correction was compared and analyzed. As the result of accuracy of land cover classification by highspectral imagery using reference data as airphoto and digital topographic map, maximum likelihood method represented overall accuracy as 67.0% and minimum distance method showed overall accuracy as 52.4%. Also product accuracy of land cover classification on road, dry field and green house, but that on river, forest, grassland showed low because the area of those was composed of complex object. Therefore, the study needs to select optimal band to classify specific object and to construct spectral library considering spectral characteristics of specific object.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
기존의 초분광 활용연구는 주로 식생이나 작물분야에 이용되어 왔으며(안치국 등, 2012a; 안치국 등, 2012b), 식생과 인공지형지물이 포함된 지역의 경우에는 연구가 미흡한 실정이다. 따라서 본 연구에서는 식생과 인공지형지물이 혼재되어 있는 대상지역을 선정하여 항공 초분광영상을 기반으로 토지피복을 분류하고자 하였다.
본 연구에서는 기존의 식생 중심의 초분광 영상 활용연구와의 차별을 위해 식생과 인공지형지물 이 혼재되어 있는 지역을 선정하여 항공 초분광 영상을 활용한 토지피복 분류기법을 제시하고자 하였다.
이는 하천, 산지, 초지와 같이 다양한 객체가 혼합된 지형에서 하나의 객체로 분류 할 때 초분광 영상의 특성인 다양한 밴드의 혼합으로 인해 다른 광학센서들에 비해 많은 오분류가 발생된 것으로 판단된다. 본 연구에서는 기존의식 생중심의 초분광 영상 활용연구를 개선하고자 식생과 지형이 혼재된 지역에 대한 초분광 영상 기반의 토지피복분류 가능성을 제시하는 데 목적을 두었다. 최근 도시화가 진행되면서 보다 복잡한 형태의 토지피복이 진행되고 있으며, 따라서 대부분의 토지피복 분류 연구가 식생을 포함한 다양한 지형객체를 포함하는 형태이므로 본 연구에서 제시한 연구방법론을 기반으로 환경, 수자원, 재해분야 등의 업무에 활용이 가능하리라 판단된다.
본 연구에서는 충북 천안시 독립기념관 일원 지역의 항공 초분광 영상을 이용하여 토지피복 가능성을 평가하였으며, 1/5,000 수치지형도와 고해상도 항공영상을 참조자료로 분류정확도를 계산한 결과 다음과 같은 결론을 얻을 수 있었다.
제안 방법
[그림 5]의 붉게 표시된 부분이 산림을 포함하는 영역의 endmember 값이다. Scattergram 을 이용하여 밭, 산림, 초지 등의 클래스를 분류하였다. 암석물질의 경우 분광특성곡선에서 다른 물질과 대조되는 패턴을 가지는 분광대역이 1,500nm 영역에서 형성되는 것이 일반적이지만, 본 연구에서 사용된 CASI 센서의 경우 분광범위가 최대 1,050nm로 암석물질을 차별화하는 분광특성곡선 의 패턴을 감지할 수 없으므로 암석물질과 유사한 콘크리트, 아스팔트, 주거지 등의 endmember 추 출에 있어서 한계가 있었다.
먼저, 영상기반 대기보정은 평균 온도 및 수증기량 등을 고려한 대기모델을 적용하여 분류항목별 대기보정 전·후의 파장별 분광특성을 비교 분석 하여 영상 내 Haze를 제거하였다. 또한 토지피복 분류를 위한 분류항목 선정은 분류항목별 밴드의 합성에 의해 작성된 Scattergram 선형모델을 통해 7가지의 분류항목으로 선정하였다.
먼저, 영상기반 대기보정은 평균 온도 및 수증기량 등을 고려한 대기모델을 적용하여 분류항목별 대기보정 전·후의 파장별 분광특성을 비교 분석 하여 영상 내 Haze를 제거하였다.
그래프에서 파장대역 약 940nm에서 빛의 반사율이 0에 가깝게 나타남을 알 수 있는데 이는 수증기 영역에서 빛의 흡수로 인한 분광특성의 haze가 발생 한 것이다. 이러한 수증기 영역에서의 haze를 보정해 주기 위해 대기보정을 실시함에 있어서 수증기를 고려해 주는 파장대역을 940nm로 설정하여 대기보정을 실시하였다.
초분광 영상을 통해 분류된 토지피복의 정확도를 검증하기 위해, 항공사진과 수치지형도를 활용하여 각 픽셀별로 선정한 클래스별 값들을 상호 비교하는 방식을 이용하였다.
대상 데이터
본 연구 대상지는 충청북도 천안시 독립기념관 일대로서, 경위도는 각각 127° 3´ 55˝(N)와 36° 6´ 41˝(E)에 해당된다.
본 연구에는 캐나다 ITRES사의 CASI-1500 초분광 영상센서를 이용하였다. 해당 센서는 380nm∼1,050nm의 분광해상도를 가지고 있으며, 최대 288개의 분광밴드를 취득할 수 있다.
본 연구에서는 2010년 10월 31일 정오에 2km의 촬영고도로 촬영된 공간해상도 1m×1m급의 초분광 영상을 활용하였다.
본 연구 대상지는 충청북도 천안시 독립기념관 일대로서, 경위도는 각각 127° 3´ 55˝(N)와 36° 6´ 41˝(E)에 해당된다. 연구대상지는 [그림 1]과 같이 농경지, 산림, 하천지역이 고르게 분포되어 있는 지역을 선정하였다.
영상 분류에 앞서 ROI(region of interest) 선정을 위해 항공사진과 수치지형도를 활용하였으며, 클래스는 도로(아스팔트), 주거지(지붕), 하천, 산림, 초지, 밭, 비닐하우스 등 총 7개의 클래스를 선정하였다. [그림 4]는 초분광 영상에서 두가지 밴드의 합성에 의한 Scattergram을 나타낸 것으로서 endmember를 기반으로 한 선형혼합모델을 보여 주고 있다.
이론/모형
[그림 5]는 ROI 모듈을 이용하여 훈련지역을 선택하는 화면이며, ROI 선정은 점(Point) 방식을 사용하였다.
현재까지 원격탐사시스템에서는 지구의 대기, 지형 등 다양하고 복잡한 왜곡을 포함하여 지구에 대한 정보를 완벽하게 취득하지 못하므로, 초분광 영상을 이용하여 토지피복 분류를 수행하기 위해서는 전처리 작업으로서 대기보정을 거쳐야 한다. 본 연구에서는 대기보정을 위해 ENVI S/W의 FLAASH(Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes) 모듈을 이용하였다. FLAASH에 사용된 대기모델은 Mid-Latitude Autumn으로서 현장에서 정확한 수증기량을 관측 하지 않았기 때문에 대상지역의 10월 평균기온인 약 15℃에 가장 근접하도록 한 모델이다.
본 연구에서는 초분광 영상을 이용하여 토지피복을 분류하기 위해 감독분류 중 최대우도법(MLC; Maximum Likelihood Classification)과 최소 거리법(MDC; Minimum Distance Classification)을 이용하였다. 감독분류는 영상에서 원하는 분류 항목에 속하는 지역의 위치 또는 스펙트럴 항목의 내용을 정확히 알고 있을 때 사용하는 분류방법이다.
성능/효과
4%의 전체정 확도를 보였다. 객체 중 도로, 밭, 비닐하우스에서는 생산자 정확도가 81.7~92.0%의 분포를 나타내어 양호한 결과로 나타났으나 하천, 산지, 초지지역의 분류에서는 29.2~48.1%의 상대적으로 낮은 정확도가 보였다. 이는 하천, 산지, 초지와 같이 다양한 객체가 혼합된 지형에서 하나의 객체로 분류 할 때 초분광 영상의 특성인 다양한 밴드의 혼합으로 인해 다른 광학센서들에 비해 많은 오분류가 발생된 것으로 판단된다.
객체별로 볼 때, 도로, 밭, 비닐하우스의 생산자 정확도는 비교적 높게 나타났으나 하천, 산지, 초지는 낮게 나타났다. 특히 하천의 경우는 젖은 모래, 마른 모래, 물 등과 같은 객체가 혼재되어 있어 분광정보가 혼합되어 정확도가 많이 저하되는 것으로 나타났다.
[그림 3]은 대기보정의 실시 유무에 따른 비닐하우스, 도로, 식생, 밭, 콘크리트의 분광특성을 비교 한 것이다. 대기보정 전의 수증기 파장대역에서 빛의 흡수로 인한 왜곡이 대기보정을 수행한 후 사라졌음을 확인할 수 있었다. 이와 같이 영상 기반의 대기보정은 현장관측 자료를 활용할 수 없을 경우 영상자료 내에 존재하는 haze를 효과적으로 제거할 수 있다.
특히 하천의 경우는 젖은 모래, 마른 모래, 물 등과 같은 객체가 혼재되어 있어 분광정보가 혼합되어 정확도가 많이 저하되는 것으로 나타났다. 또한 초분광 영상의 경우 산지에서 유사한 분광곡선을 가지는 특성을 보이므로 최대우도법과 최소거리법 모두 산지지역이나, 초지, 밭으로 오분류되는 것으로 확인되었다.
또한 최대우도법의 생산자 정확도(Product Accuracy)는 22.4∼90.0%, 사용자 정확도(User Accuracy)는 29.2∼92.0%로 나타났다.
최대우도법의 전체 정확도는 67.0%로서 최소거리 법의 전체 정확도인 52.4%보다 높게 나타났다. 또한 최대우도법의 생산자 정확도(Product Accuracy)는 22.
항공사진과 수치지형도를 기반으로 비교한 결과, 최대우도법에 의한 영상 분류의 경우 밭이나 도로지역에서 높은 정확도를 보인 것으로 확인되었다. 특히 주거지의 경우 최소거리법에 비해 오분류가 적은 것으로 나타났고, 밭은 최소거리법에 비해 경계가 명확하게 구분되는 장점이 있었다.
객체별로 볼 때, 도로, 밭, 비닐하우스의 생산자 정확도는 비교적 높게 나타났으나 하천, 산지, 초지는 낮게 나타났다. 특히 하천의 경우는 젖은 모래, 마른 모래, 물 등과 같은 객체가 혼재되어 있어 분광정보가 혼합되어 정확도가 많이 저하되는 것으로 나타났다. 또한 초분광 영상의 경우 산지에서 유사한 분광곡선을 가지는 특성을 보이므로 최대우도법과 최소거리법 모두 산지지역이나, 초지, 밭으로 오분류되는 것으로 확인되었다.
[그림 7]은 최소거리법에 의한 토지피복 분류 결과이다. 항공사진과 수치지형도를 기반으로 비교한 결과, 초분광 영상의 분광특성상 산지 지역으로 판단되는 지역에서 하천지역으로의 오분류가 상당부분 발생한 것으로 확인되었다. 이는 하천지역의 분광특성과 모래, 흙 등의 분광성분의 혼재로 발생된 것으로 판단된다.
[그림 6]은 최대우도법에 의한 토지피복 분류 결과이다. 항공사진과 수치지형도를 기반으로 비교한 결과, 최대우도법에 의한 영상 분류의 경우 밭이나 도로지역에서 높은 정확도를 보인 것으로 확인되었다. 특히 주거지의 경우 최소거리법에 비해 오분류가 적은 것으로 나타났고, 밭은 최소거리법에 비해 경계가 명확하게 구분되는 장점이 있었다.
항공사진과 수치지형도를 참조자료로 활용하여 초분광 영상에 의한 토지피복 분류 결과를 분석한 결과, 최대우도법에서는 약 67.0%의 전체정확도를 나타내었으며, 최소거리법은 52.4%의 전체정 확도를 보였다. 객체 중 도로, 밭, 비닐하우스에서는 생산자 정확도가 81.
후속연구
최근 도시화가 진행되면서 보다 복잡한 형태의 토지피복이 진행되고 있으며, 따라서 대부분의 토지피복 분류 연구가 식생을 포함한 다양한 지형객체를 포함하는 형태이므로 본 연구에서 제시한 연구방법론을 기반으로 환경, 수자원, 재해분야 등의 업무에 활용이 가능하리라 판단된다. 아울러 향후 특정객체의 분류를 위한 최적의 밴드선별과 객체 고유의 분광특성을 고려한 Spectral Library 등이 필요할 것이며, 또한 초분광 영상을 이용한 토지피복분류 및 특정 객체 분류를 위해서는 객체 고유의 밴드별 분광특성을 규정하는 연구가 별도로 수행되어야 할 것으로 사료된다.
Scattergram 을 이용하여 밭, 산림, 초지 등의 클래스를 분류하였다. 암석물질의 경우 분광특성곡선에서 다른 물질과 대조되는 패턴을 가지는 분광대역이 1,500nm 영역에서 형성되는 것이 일반적이지만, 본 연구에서 사용된 CASI 센서의 경우 분광범위가 최대 1,050nm로 암석물질을 차별화하는 분광특성곡선 의 패턴을 감지할 수 없으므로 암석물질과 유사한 콘크리트, 아스팔트, 주거지 등의 endmember 추 출에 있어서 한계가 있었다.
본 연구에서는 기존의식 생중심의 초분광 영상 활용연구를 개선하고자 식생과 지형이 혼재된 지역에 대한 초분광 영상 기반의 토지피복분류 가능성을 제시하는 데 목적을 두었다. 최근 도시화가 진행되면서 보다 복잡한 형태의 토지피복이 진행되고 있으며, 따라서 대부분의 토지피복 분류 연구가 식생을 포함한 다양한 지형객체를 포함하는 형태이므로 본 연구에서 제시한 연구방법론을 기반으로 환경, 수자원, 재해분야 등의 업무에 활용이 가능하리라 판단된다. 아울러 향후 특정객체의 분류를 위한 최적의 밴드선별과 객체 고유의 분광특성을 고려한 Spectral Library 등이 필요할 것이며, 또한 초분광 영상을 이용한 토지피복분류 및 특정 객체 분류를 위해서는 객체 고유의 밴드별 분광특성을 규정하는 연구가 별도로 수행되어야 할 것으로 사료된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.