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 연구에서는 매년 동일한 위성자료에 동일한 분류 방법을 적용하여 분류된 최근 12년(2001-2012)간의 MODIS 지면피복 분류자료(MCD12Q1) 중에서 분류오류라 판단되는 일부 화소들을 재분류하여 분류 정확도를 개선하고자 한다. 지면피복 재분류에는 2013년의 MODIS 정규화 식생지수(Normalized Difference Vegetation Index, NDVI) 자료를 이용하였으며 식생지수 시계열 자료를 이용하여 지면피복을 분류할 경우 상대적으로 분류 정확도가 높은 점을 고려하여 양질의 시계열 입력자료를 구축하였다(Wang and Tenhunen, 2004).
- 본 연구에서는 아시아-오세아니아 지역의 MODIS 지면피복 분류자료(MCD12Q1) 중 분류오류라 판단된 화소들에 대해 최근 2013년의 MODIS NDVI 자료를 이용하여 지면피복을 재분류 하였다. 지면피복 재분류를 통해 일부 유형에서는 분류 정확도가 개선되어 환경 변화연구 및 기상분야의 수치/기후 모델의 지면경계조건 자료로 활용될 수 있을 것이라 판단된다.
- 본 연구에서는 아시아-오세아니아 지역의 MODIS 지면피복 분류자료(MCD12Q1)에서 나타나고 있는 분류오류를 개선하기 위하여 분류오류라 판단되는 화소에 대해 최근 2013년의 MODIS NDVI 자료를 이용하여 지면피복을 재분류하고 분류 정확도를 개선하였다.
가설 설정
- 또한,다양한 유형의 지면피복이 복잡하게 분포하는 경계 부근에서는 기하학적 보정 수준에 따라 연도별로 지면피복이 상이하게 분류될 수도 있다. 여기서는 기하학적 보정은 오차가 1 km 이내로 우수하게 되었다는 가정하에 지면피복 유형이 2개까지 분류된 화소는 정상적으로 분류된 화소로 그 이상으로 분류된 화소는 분류에 오류가 있는 것으로 판단하였다. 따라서 12년 동안 하나의 화소에서 분류된 지면피복 유형의 수가 2개 이하인 화소는 정상으로 분류된 화소로 정의하고, 3개 이상으로 분류된 화소는 분류상 오류로 판단하여 지면피복 재분류 화소로 선정하였다.
제안 방법
- 6. Time series of corrected NDVI using original CSaTC method(dashed blue), modified CSaTC method (solid red) along with original MODIS NDVI(solid black) for the randomly selected pixels.
- 1). ① 동북아시아 지역 MODIS 지면피복 분류자료의 특성을 분석한 Park and Suh(2014)에서와 같이 최근 12년간(2001-2012) 아시아-오세아니아 지역에 대해 지면피복 유형수가 3개 이상으로 분류된 화소들을 분류오류 화소로 선정하고② MODIS NDVI 시계열 분석을 통해 분류오류 원인을 분석하고, 식생지수 자료를 보정하여 지면피복 재분류를 위한 양질의 입력자료를 구축한다. ③ 보정된 식생지수 자료에 군집화 기법을 적용하여 지면피복을 재분류하고, ④ 마지막으로 정상으로 판별된 화소와 재분류된 화소들을 합성하여 최종 지면피복 재분류 자료를 산출한다.
- 군집화를 통해 재분류된 각 군집에 대해 이미 정상으로 분류된 지면피복의 평균 식생지수의 계절변동과 각 군집별 식생지수의 계절변동을 시각적으로 비교하여 지면피복 유형을 할당하였다. 이렇게 재분류된 화소들과 정상으로 판별된 화소들을 합성(merge)하여 최종 지면피복 재분류 자료를 산출하였다.
- 하지만 12년동안 지면피복 유형이 3종류 이상으로 변화되는 것은 현실적이지 않다. 따라서 하나의 화소에서 3개 이상 유형으로 분류된 화소들은 분류에 오류가 있다고 판단하여 지면피복 재분류를 위한 화소로 선정하였다.
- 임계값의 경우 수회의 테스트를 통해 가장 최적화된 값을 선정한 결과로 다소 주관적이며 추후 식생 계절 특성 등을 고려한 객관적인 연구를 통해 정확한 임계값을 설정할 필요가 있다. 보정된 식생지수 자료는 효율적인 군집 분류와 입력자료의 양을 줄이기 위해 8일 주기의 자료를 1개월 주기의 자료로 합성하여 총 12 개의 입력자료를 구축하였다.
- 지면피복 재분류를 위해 2013년의 MODIS NDVI 자료를 이용하였으며 식생지수의 시공간 연속성을 이용한 보정기법인 CSaTC 기법을 적용하여 보정 후 8일 주기 자료를 다시 월주기 자료로 합성하였다. 앞에서 분류오류로 판단된 화소들의 보정된 식생지수 자료에 군집화 기법 중의 하나인 ISODATA 기법을 적용하여 군집화한후각 군집별로 IGBP 지면피복 유형 정의에 따라지면피복 유형을 할당하였다. 이렇게 재분류된 화소들과 12년간 정상으로 판별된 화소를 합성하여 새로운 지면피복 분류 자료를 산출하였다.
- 앞에서 분류오류로 판단된 화소들의 보정된 식생지수 자료에 군집화 기법 중의 하나인 ISODATA 기법을 적용하여 군집화한후각 군집별로 IGBP 지면피복 유형 정의에 따라지면피복 유형을 할당하였다. 이렇게 재분류된 화소들과 12년간 정상으로 판별된 화소를 합성하여 새로운 지면피복 분류 자료를 산출하였다.
- 군집화를 통해 재분류된 각 군집에 대해 이미 정상으로 분류된 지면피복의 평균 식생지수의 계절변동과 각 군집별 식생지수의 계절변동을 시각적으로 비교하여 지면피복 유형을 할당하였다. 이렇게 재분류된 화소들과 정상으로 판별된 화소들을 합성(merge)하여 최종 지면피복 재분류 자료를 산출하였다. 분류의 정확도 검증을 위한 자료는 Kang et al.
- 자료의 수월한 이용과 공간해상도를 일치시키기 위해 MODIS Reprojection Tool (MRT) 프로그램을 이용하여 MODIS NDVI와 MCD12Q1 자료를 1 km 공간해상도의플레이트 커리 맵 투영법(Plate Carrée map projection)으로 재투영하였다.
- 지면피복 분류의 오류가 발생하는 원인을 분석하기 위해 정상으로 분류된 화소들과 분류오류로 선정된 화소들을 임의로 선정하여 12년간의 MODIS NDVI 자료에 대해 연도별 계절변동을 살펴보았다. Fig.
- 지면피복 재분류 결과를 자세히 알아보기 위해 Fig. 10에 2012년의 MODIS 지면피복분류자료와 지면피복재분류 자료의 유형별 구성비율을 비교해보았다. 재분류를 통해 개방형 관목수림, 사바나(Wdy.
- 지면피복 재분류를 위해 2013년의 MODIS NDVI 자료를 이용하였으며 식생지수의 시공간 연속성을 이용한 보정기법인 CSaTC 기법을 적용하여 보정 후 8일 주기 자료를 다시 월주기 자료로 합성하였다. 앞에서 분류오류로 판단된 화소들의 보정된 식생지수 자료에 군집화 기법 중의 하나인 ISODATA 기법을 적용하여 군집화한후각 군집별로 IGBP 지면피복 유형 정의에 따라지면피복 유형을 할당하였다.
- 최근 12년(2001-2012년)동안 MODIS 지면피복 분류자료(MCD12Q1)의 분류 특성을 화소 단위로 비교하였다. 지면피복은 그 특성상 시간적 변동이 매우 적다.
대상 데이터
- 여기서는 기하학적 보정은 오차가 1 km 이내로 우수하게 되었다는 가정하에 지면피복 유형이 2개까지 분류된 화소는 정상적으로 분류된 화소로 그 이상으로 분류된 화소는 분류에 오류가 있는 것으로 판단하였다. 따라서 12년 동안 하나의 화소에서 분류된 지면피복 유형의 수가 2개 이하인 화소는 정상으로 분류된 화소로 정의하고, 3개 이상으로 분류된 화소는 분류상 오류로 판단하여 지면피복 재분류 화소로 선정하였다. 예를 들어 하나의 화소에서 12년간 지면피복이 1, 1, 1, 4, 4, 5, 5, 5, 5, 5, 3, 3으로 분류되었다면 총 4개의 지면피복 유형으로 분류되었음을 의미한다.
- 본 연구에서는 아시아-오세아니아 지역의 지면피복 분류 개선을 위해 식생지수와 지면피복 분류자료를 이용하였으며 각 자료의 정보 및 특성을 Table 1에 나타내었다. 분류자료의 정확도 검증은 GPS를 이용한 현장관측자료와 지상검증 참조자료를 이용하였다.
- 분류자료의 정확도 검증은 GPS를 이용한 현장관측자료와 지상검증 참조자료를 이용하였다. 분류에 사용된 식생지수 자료는 공간해상도가 1 km 이며 8일 주기인 2013년의 MODIS NDVI (MOD/MYD13A2) 자료이다. 이 자료는 최대치합성법(Maximum Value Composite,MVC)을 통해 산출되었지만 동아시아 지역의 몬순 기후 특성으로 인해 여전히 구름 등으로 오염된 화소를 포함하고 있어 식생지수의 시·공간 연속성을 이용한 보정기법인 Correction based on Spatial and TemporalContinuity(CSaTC) 기법을 적용하여 보정 후 사용하였다(Cho andSuh, 2013).
- 이렇게 재분류된 화소들과 정상으로 판별된 화소들을 합성(merge)하여 최종 지면피복 재분류 자료를 산출하였다. 분류의 정확도 검증을 위한 자료는 Kang et al. (2010)의 연구에서 분류 정확도 검증에 사용된 GPS를 이용한 우리나라 및 몽골 초원지대 관측자료 78개 지역과 본 연구에서 유럽우주국(European Space Agency, ESA)의 Global Observation for Forest Cover and Land Dynamics Project Office (GOFCGOLD LC PO)의 지상검증 참조자료를 바탕으로 수집한 60개 지역을 활용하였다(Fig. 2). Table 3은 정확도 검증을 위해 이용된 총 138개의 지상 검증 사이트에 대해 지면피복 유형별로 개수를 나타낸 것이다.
- 본 연구에서는 아시아-오세아니아 지역의 지면피복 분류 개선을 위해 식생지수와 지면피복 분류자료를 이용하였으며 각 자료의 정보 및 특성을 Table 1에 나타내었다. 분류자료의 정확도 검증은 GPS를 이용한 현장관측자료와 지상검증 참조자료를 이용하였다. 분류에 사용된 식생지수 자료는 공간해상도가 1 km 이며 8일 주기인 2013년의 MODIS NDVI (MOD/MYD13A2) 자료이다.
- 이 자료는 최대치합성법(Maximum Value Composite,MVC)을 통해 산출되었지만 동아시아 지역의 몬순 기후 특성으로 인해 여전히 구름 등으로 오염된 화소를 포함하고 있어 식생지수의 시·공간 연속성을 이용한 보정기법인 Correction based on Spatial and TemporalContinuity(CSaTC) 기법을 적용하여 보정 후 사용하였다(Cho andSuh, 2013). 지면피복 분류자료는 12년(2001-2012)간의 MODIS MCD12Q1 자료를 이용하였으며 IGBP 지면피복 정의에 따라 17개 유형으로 분류된 자료이다(Table 2).
- 본 연구에서는 매년 동일한 위성자료에 동일한 분류 방법을 적용하여 분류된 최근 12년(2001-2012)간의 MODIS 지면피복 분류자료(MCD12Q1) 중에서 분류오류라 판단되는 일부 화소들을 재분류하여 분류 정확도를 개선하고자 한다. 지면피복 재분류에는 2013년의 MODIS 정규화 식생지수(Normalized Difference Vegetation Index, NDVI) 자료를 이용하였으며 식생지수 시계열 자료를 이용하여 지면피복을 분류할 경우 상대적으로 분류 정확도가 높은 점을 고려하여 양질의 시계열 입력자료를 구축하였다(Wang and Tenhunen, 2004). 지면피복 분류 방법은 군집화 기법의 하나인 Iterative SelfOrganizing Data Analysis (ISODATA)를 이용하였다.
- 지면피복은 시간적으로 급격히 변하지 않는 특성을 고려하여 최근 12년(2001-2012)간의 MODIS 지면피복 분류자료에서 지면피복 유형이 3개 이상으로 분류된 화소를 분류오류가 있는 화소로 선정하였다. 아시아-오세아니아 지역에서 최근 12년동안 지면피복 유형이 3개 이상 분류된 화소의 비율은 약 17.
이론/모형
- 본 연구에서는 구름 등으로 오염된 화소의 식생지수보정을 위하여 식생의 시공간 연속성을 이용한 보정기법인 CSaTC 기법을 이용하였다. Cho and Suh (2013)의 연구에서는 오염된 화소를 최대로 보정하기 위해 특정 식생 유형(이모작 지역)에서 실제 식생의 감소를 오염 화소로 탐지하여 이를 과대 보정하는 경향이 있었으나 본연구에서는 이 오염 화소 탐지의 임계값을 변경하여 이모작 지역에서 과대 보정되는 경향을 해결하였다.
- 이 자료는 최대치합성법(Maximum Value Composite,MVC)을 통해 산출되었지만 동아시아 지역의 몬순 기후 특성으로 인해 여전히 구름 등으로 오염된 화소를 포함하고 있어 식생지수의 시·공간 연속성을 이용한 보정기법인 Correction based on Spatial and TemporalContinuity(CSaTC) 기법을 적용하여 보정 후 사용하였다(Cho andSuh, 2013).
- 지면피복 재분류에는 2013년의 MODIS 정규화 식생지수(Normalized Difference Vegetation Index, NDVI) 자료를 이용하였으며 식생지수 시계열 자료를 이용하여 지면피복을 분류할 경우 상대적으로 분류 정확도가 높은 점을 고려하여 양질의 시계열 입력자료를 구축하였다(Wang and Tenhunen, 2004). 지면피복 분류 방법은 군집화 기법의 하나인 Iterative SelfOrganizing Data Analysis (ISODATA)를 이용하였다.
성능/효과
- 최근 Park and Suh (2014)는 매년 제공되고 있는 MODIS 지면피복 분류자료(MCD12Q1)자료에 대해 12년(2001-2012)간 동북아시아 지역의 지면피복 분류 특성을 분석하였다. 그 결과 서로 다른 유형의 경계지역이나 여러 유형이 혼재하고 있는 지역 등에서 지면피복이 연도에 따라 다양하게 분류되고 있음을 확인하였다. 즉, 동일한 위성자료 및 공간해상도 등으로 산출된 MODIS 지면피복 분류자료에서도 분류에 적지 않은 오류가 있음을 확인하였다.
- 6은 2013년의 MODIS 원본 식생지수 자료와 기존 CSaTC 기법으로 보정된 결과 그리고 오염화소 탐지 임계값을 변경한 CSaTC 기법으로 보정된 식생지수를 나타낸 것이다. 기존 CSaTC 기법으로 보정된 결과에서는 이모작 지역의 계절변동 패턴이 원본 식생지수 자료에 비해 과대 보정되는 경향이 있으나, 개선된 CSaTC 기법에서는 과대 보정이 개선되어 실제 이모작 지역의 계절변동 패턴을 잘 나타내고 있다. 또한 다른 식생 유형에서도 오염된 식생지수의 보정이 정성적으로 이루어 지고 있으나 일부 유형에서는 과소하게 보정되고 있음을 볼 수 있다.
- 53%로 나타났다. 분류가 정상으로 판정된 화소와 오류가 있는 화소에 대해 각각 식생지수의 시계열을 분석한 결과 정상의 화소에서는 식생지수의 계절변동이 식생의 계절변화에 맞게 연속적으로 나타났으나 오류화소들에서는 식생지수 시계열에서 비정상적인 불연속이 빈번하게 발생하였다. 이는 MODIS 식생지수 자료들이 최대치 합성법으로 작성되었음에도 불구하고 지속적으로 발생하는 구름 등으로 오염된 화소들이 충분히 보정되지 않았음을 제시하며 이러한 입력자료의 오류에 의해 분류오류가 발생한 것으로 판단된다.
- 재분류를 통해 개방형 관목수림, 사바나 그리고 농지 및 자연식생 유형은 감소되었으나 상록수림과 낙엽수림 그리고 혼합림 유형은 증가되었다. 총 138개 지점의 지상 검증자료를 이용하여 검증한 결과 2012년 MODIS 지면피복 자료(MCD12Q1)의 분류 정확도는 68.
- 10에 2012년의 MODIS 지면피복분류자료와 지면피복재분류 자료의 유형별 구성비율을 비교해보았다. 재분류를 통해 개방형 관목수림, 사바나(Wdy. Svn.) 그리고 농지 및 자연식생 유형의 비율이 감소하였으며 상록수림과 낙엽수림 그리고 혼합림 유형의 비율은 증가되었다. Fig.
- 그 결과 서로 다른 유형의 경계지역이나 여러 유형이 혼재하고 있는 지역 등에서 지면피복이 연도에 따라 다양하게 분류되고 있음을 확인하였다. 즉, 동일한 위성자료 및 공간해상도 등으로 산출된 MODIS 지면피복 분류자료에서도 분류에 적지 않은 오류가 있음을 확인하였다.
- 91%로 나타나 지면피복 재분류를 통해서 분류 정확도가 개선되었음을 볼 수 있다. 지면피복 분류 수준이 재분류를 통해 개선이 되었으나 상록침엽수림의 경우 대부분이 혼합림으로 분류되고 있으며, 농지 및 자연식생 유형의 경우 혼합림과 상록활엽수림 등으로 잘못 분류되는 등이두 가지 유형에서는 분류 정확도가 낮게 나타났다. 상록침엽수림을 혼합림으로, 농지를 혼합림으로 오분류 하는 등 대체적으로 식생지수의 계절변동이 유사한 유형에서 분류오류가 발생하고 있는데 이 점에 대해서는 추후 개선이 필요한 것으로 판단된다.
- 재분류를 통해 개방형 관목수림, 사바나 그리고 농지 및 자연식생 유형은 감소되었으나 상록수림과 낙엽수림 그리고 혼합림 유형은 증가되었다. 총 138개 지점의 지상 검증자료를 이용하여 검증한 결과 2012년 MODIS 지면피복 자료(MCD12Q1)의 분류 정확도는 68.11%로 나타났으나 재분류를 통해 분류정확도가 73.91%로 개선되었다. 재분류를 통해 상록침엽수림, 혼합림, 농지 그리고 나대지 유형 등에서 분류 정확도가 개선되었으나 상록침엽수림과 농지 및 자연식생 유형에서는 개선이 되지 않았다.
- 보정 식생지수 차에서 보는 바와 같이 대부분의 동아시아 지역에서 두 기법의 보정수준이 매우 유사하게 나타나고 있다. 하지만 CSaTC 기법과 개선된 CSaTC기법으로 보정된 결과의 공간분포 차이에서 CSaTC 기법이 이모작 지역에서 과대 보정하는 경향이 있음을 확인할수 있다.
후속연구
- 지면피복 분류 수준이 재분류를 통해 개선이 되었으나 상록침엽수림의 경우 대부분이 혼합림으로 분류되고 있으며, 농지 및 자연식생 유형의 경우 혼합림과 상록활엽수림 등으로 잘못 분류되는 등이두 가지 유형에서는 분류 정확도가 낮게 나타났다. 상록침엽수림을 혼합림으로, 농지를 혼합림으로 오분류 하는 등 대체적으로 식생지수의 계절변동이 유사한 유형에서 분류오류가 발생하고 있는데 이 점에 대해서는 추후 개선이 필요한 것으로 판단된다.
- 식생은 산불과 같은 자연재해나 인간의 활동에 의한 인위적인 요인을 제외하고 시간적으로 급격히 변하지 않는 것을 고려하면 여름철과 겨울철에 나타나고 있는 식생의 강한 시간변동은 식생지수 자료가 눈 덮임이나 구름 등으로 오염되어 있음을 알 수 있다. 이렇게 오염된 식생지수 자료를 지면피복 분류를 위한 입력자료로 이용할 시 분류의 오류나 분류의 정확도를 낮추는 원인이 될 것이다.
- Cho and Suh (2013)의 연구에서는 오염된 화소를 최대로 보정하기 위해 특정 식생 유형(이모작 지역)에서 실제 식생의 감소를 오염 화소로 탐지하여 이를 과대 보정하는 경향이 있었으나 본연구에서는 이 오염 화소 탐지의 임계값을 변경하여 이모작 지역에서 과대 보정되는 경향을 해결하였다. 임계값의 경우 수회의 테스트를 통해 가장 최적화된 값을 선정한 결과로 다소 주관적이며 추후 식생 계절 특성 등을 고려한 객관적인 연구를 통해 정확한 임계값을 설정할 필요가 있다. 보정된 식생지수 자료는 효율적인 군집 분류와 입력자료의 양을 줄이기 위해 8일 주기의 자료를 1개월 주기의 자료로 합성하여 총 12 개의 입력자료를 구축하였다.
- 본 연구에서는 아시아-오세아니아 지역의 MODIS 지면피복 분류자료(MCD12Q1) 중 분류오류라 판단된 화소들에 대해 최근 2013년의 MODIS NDVI 자료를 이용하여 지면피복을 재분류 하였다. 지면피복 재분류를 통해 일부 유형에서는 분류 정확도가 개선되어 환경 변화연구 및 기상분야의 수치/기후 모델의 지면경계조건 자료로 활용될 수 있을 것이라 판단된다. 하지만 아직도 분류 정확도가 74% 수준이어서 기후변화에 의한 지면피복 변화 등의 연구에 활용되기 위해서는 양질의 식생지수 자료 산출에서부터 지상검증 자료의 추가 확보 등 분류 수준의 개선 연구가 필요하다.
- 지면피복 재분류를 통해 일부 유형에서는 분류 정확도가 개선되어 환경 변화연구 및 기상분야의 수치/기후 모델의 지면경계조건 자료로 활용될 수 있을 것이라 판단된다. 하지만 아직도 분류 정확도가 74% 수준이어서 기후변화에 의한 지면피복 변화 등의 연구에 활용되기 위해서는 양질의 식생지수 자료 산출에서부터 지상검증 자료의 추가 확보 등 분류 수준의 개선 연구가 필요하다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.