[논문]공간정보를 이용한 옥상녹화 가용면적 추정

안지연; 정태웅; 구지희

doi:10.13087/kosert.2016.19.5.11

Abstract ▼ AI-Helper

The purposes of this research are to estimate area of greenable roof and to monitor maintaining of green roofs using World-View 2 images. The contents of this research are development of World-View 2 application technologies for estimation of green roof area and development of monitoring and maintai...

The purposes of this research are to estimate area of greenable roof and to monitor maintaining of green roofs using World-View 2 images. The contents of this research are development of World-View 2 application technologies for estimation of green roof area and development of monitoring and maintaining of green roofs using World-View 2 images. The available green roof areas in Gwangjin-gu Seoul, a case for this study, were estimated using digital maps and World-View 2 images. The available green roof area is approximately 12.17% ($2,153,700m^2$) of the total area, and the roof vegetation accounts for 0.46% ($80,660m^2$) of the total area. For verification of the extracted roof vegetation, Vworld 3D Desktop map service was applied. The study results may be used as a decision-making tool by the government and local governments in determining the feasibility of green roof projects. In addition, the project implementer may periodically monitor to see whether roof greening has maintained for efficient management of projects, and a vast amount of World-View 2 images may be regularly used before and after the projects to contribute to sharing of satellite images information.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구의 목표는 World-View 2 위성영상과 참조자료인 1:1,000 수치지도를 활용하여 옥상녹화 가용면적을 추정하는 것이다. 이를 위해서 옥상 및 옥상녹화지 추출 관련 국내외 연구사례를 분석하였으며(Gyeonggi Research Institute, 2010; Korea Environment Institute, 2010), 이를 통하여 옥상녹화 가용면적을 정의하였고, World-View 2 위성영상과 참조자료인 1:1,000 수치지도를 활용하여 옥상 및 옥상시설물을 추출한 후 Vworld 3D 데스크탑을 이용하여 검정하였다.
우리나라 여러 지자체에서는 보조금 지급 등 옥상녹화 활성화를 위한 조례를 제정하여 운영 중인 가운데 옥상녹화 사업을 운영 또는 계획하는 지자체에서는 옥상녹화 사업을 효율적으로 계획하고 추진하기 위하여 기 옥상녹화 면적과 옥상녹화 가용면적을 추정하여 옥상녹화를 통한 기대효과를 정량화하는 것이 필요하다. 이에 본 연구에서는 World-View 2 위성영상과 참조자료인 1:1,000 수치지도를 활용하여 옥상녹화 가용면적을 추정하고자 한다.

제안 방법

World-View 2는 Red-Edge(705-745nm), NIR1 (770-895 nm), NIR2 (860-1040 nm) 3개의 적외선 영역의 밴드를 포함하므로 3개의 NDVI를 생성할 수 있다. band 6,7,8과 band 5의 조합을 통해 3개의 NDVI를 생성한 후 육안판독(visual interpretation)을 통해 식생을 잘 표현하고 있는지를 평가하였다. 그 결과 band 7, 8과 band 5의 조합의 NDVI 값이 일부 건물의 값이 식생의 값을 상회하는 값을 갖는 오류가 있어 band 6과 band5 조합의 NDVI를 사용하였다.
그리고 1:1,000 수치 지도를 이용하여 건물레이어를 선택하고 추출된 건물중 면적 85㎡ 이상의 건물들을 대상으로 2m의 버퍼를 주어 옥상녹화가능면적을 추출한다. 그런 다음, 추출된 식생과 옥상녹화 가능면적을 중첩하여 기존 옥상녹화면적을 산출하고 정확도 검증을 한다.
연구흐름은 크게 2부분으로 나누어져 있는데 첫째, 위성영상의 처리는 World-View 2를 이용하여 NDVI를 생성하고, NDVI의 임계값을 이용하여 식생을 추출을 한다. 그리고 1:1,000 수치 지도를 이용하여 건물레이어를 선택하고 추출된 건물중 면적 85㎡ 이상의 건물들을 대상으로 2m의 버퍼를 주어 옥상녹화가능면적을 추출한다. 그런 다음, 추출된 식생과 옥상녹화 가능면적을 중첩하여 기존 옥상녹화면적을 산출하고 정확도 검증을 한다.
본 연구는 옥상녹화 사업을 운영 또는 계획하는 지자체에서 현재 시점에서 기 옥상녹화 면적과 옥상녹화 가용면적을 추정하여 옥상녹화를 통한 기대효과를 정량화하는데 활용할 수 있도록 수치지도와 World-View 2 위성영상을 활용하여 옥상녹화 가용면적을 추정하였다.
본 연구의 목표는 World-View 2 위성영상과 참조자료인 1:1,000 수치지도를 활용하여 옥상녹화 가용면적을 추정하는 것이다. 이를 위해서 옥상 및 옥상녹화지 추출 관련 국내외 연구사례를 분석하였으며(Gyeonggi Research Institute, 2010; Korea Environment Institute, 2010), 이를 통하여 옥상녹화 가용면적을 정의하였고, World-View 2 위성영상과 참조자료인 1:1,000 수치지도를 활용하여 옥상 및 옥상시설물을 추출한 후 Vworld 3D 데스크탑을 이용하여 검정하였다.

대상 데이터

band 6,7,8과 band 5의 조합을 통해 3개의 NDVI를 생성한 후 육안판독(visual interpretation)을 통해 식생을 잘 표현하고 있는지를 평가하였다. 그 결과 band 7, 8과 band 5의 조합의 NDVI 값이 일부 건물의 값이 식생의 값을 상회하는 값을 갖는 오류가 있어 band 6과 band5 조합의 NDVI를 사용하였다.
본 연구에 사용된 수치지도는 축척 1:1,000으로 377051767 등 64개 도엽이다. 377052233도엽과 같이 건물이 없는 도엽은 제외하였다.
본 연구에 사용한 위성영상은 World-View 2 위성영상으로 2011년 5월 2일 주사되었으며 팬크로매틱 0.5m 멀티스펙트럴 2.0m의 지상해상도를 갖고 있으며 밴드별 파장영역은 다음과 같다.
연구지역은 서울 광진구 건국대학교 주변이며 1:1,000 수치지도 64개 도엽, 면적은 17,703,699㎡이다.
서울시는 옥상녹화 사업을 통해서 녹화가능면적이 65㎡ 이상인 민간건물의 신청을 받아 구조안전진단비와 설계·공사비를 지원하고 있다. 옥상녹화사업의 대상이 되는 최소면적 65㎡를 그대로 적용할 경우 World-View 2와 1:1,000 수치지도와의 위치오차로 인해 발생하는 감소면적을 고려하고, 옥상녹화가 불가능한 옥상 외곽 경계 부분(2m buffer)을 제외할 것을 고려하여 85㎡이상의 건물들을 대상으로 하였다.
건물의 옥상 추출은 1:1,000 수치지도를 이용하였다. 지형, 도로, 철도, 건물, 식생 등 여러 지형지물을 나타내는 레이어 중, 건물옥상에 해당하는 레이어(B0014111, B0014111 등)와 최소면적 85㎡ 이상의 건물만 추출하였다. 서울시는 옥상녹화 사업을 통해서 녹화가능면적이 65㎡ 이상인 민간건물의 신청을 받아 구조안전진단비와 설계·공사비를 지원하고 있다.

이론/모형

추출된 옥상식생의 검증을 위하여 Vworld 3D 데스크톱 지도서비스를 이용하였다. Vworld는 국토교통부에서 제공하는 3D 고해상도 공간정보 서비스이다.

성능/효과

5m를 검증할 수 있는 고해상도 공간정보이다. Vworld를 이용한 육안 판독 검증결과 옥상식생의 일부가 추출되지 않은 과소 추출 경향과 가로수가 옥상식생으로 추출되는 오류가 나타났다. 옥상식생의 일부가 추출되지 않은 과소 추출의 원인은 World-View 2의 공간해상도 0.

후속연구

또한 본 연구의 결과는 정부 및 지자체의 옥상녹화사업의 타당성 판단, 도입, 시행, 모니터링 등 사업 전반에 활용할 수 있을 것이며 이를 위해서는 향후 옥상 및 옥상 시설물 추출의 정확도 향상 및 자동화에 대한 연구가 필요할 것이다.
46%)였다. 본 연구 결과를 활용하면, 정부 및 지자체가 옥상녹화 사업추진을 위한 타당성 판단의 의사결정도구로 활용할 수 있으며, 옥상녹화 사업추진 주체가 옥상녹화 유지여부를 주기적으로 모니터링 하여 옥상녹화 사업을 효율적으로 관리할 수 있고, 옥상녹화 사업 추진 전후에 다량의 위성 영상을 주기적으로 활용함으로써 위성정보의 공공활용에 기여할 수 있을 것이다.
옥상녹화를 통한 탄소배출 저감량 추정에 대한 고해상도 위성영상 활용사례가 없는 상황에서 본 연구는 경제․산업적 필요성이 높을 것으로 기대된다. 옥상녹화 사업과 같은 공공정책 추진 시 World-View 2 위성영상을 의사결정체계의 중요 요소로 활용하는 사례로 위성영상의 공공활용성을 높이는 의미가 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	바이너리 영상의 히스토그램 임계값 결정과 관련된 방법에는 어떤 것들이 사용되고 있는가?	이와 같은 식생지수를 이용하여 식생 피복을 추출하는 것은 바이너리 영상의 히스토그램 임계값 결정을 통해 가능하다. 이와 관련된 방법은 시각적 판단에 의한 방법, trial-and-error 방법, 표준편차를 이용한 통계적 방식이 사용되고 있다. 그리고 임계값 결정의 객관성 확보 및 자동 결정을 위한 연구 동향을 보면, 임계값 결정 대신 퍼지 (fuzzy) 개념을 적용하거나(Metternicht, 1999), 최소 오차와 비용 임계값 결정을 위해 베이지안 개념 (Bayes rule)을 사용하기도 하였다(Bruzzone and Priato, 2000a; 2000b).
	옥상녹화란 무엇인가?	옥상녹화란 인공적인 구조물 위에 인위적인 지형, 지질의 토양층을 새로이 형성하고 식물을 식재하거나 수공간을 만들어서 녹지공간을 조성하는 것을 말한다. 옥상녹화는 도심지역의 부족한 녹지공간을 확보하기 위한 인공대지 활용이라는 측면과 함께 지상녹지면적을 더 확보하기가 어려운 도심에서 녹지량을 확대할 수 있는 대안이다(Ryu and Yoon, 2009).
	식생지수에는 어떤 것들이 있는가?	본 연구에서 활용할 주요 처리 기법에 관한 부분에 대한 연구동향은 오랜 시간 동안 연구된 식생지수(vegetation indices)와 관련된 연구들이 있다. 식생지수들은 잘 알려진 바와 같이 SR (Simple Ratio), EVI (Enhanced Vegetation Index), DVI(Difference Vegetation Index), PVI (Perpendicular Vegetation Index), SARVI (Soil Adjusted Ratio Vegetation Index), NDVI (Normalized Difference Vegetation Index), SAVI (Soil Adjusted Vegetation Index), TSAVI (Transformed Soil Adjusted Vegetation Index) 등이 있다(Jensen, 2000; Lyon et al.,1998).

참고문헌 (11)

Bazi, Y., Bruzzone, L., and Melgani F., 2007, Image Thresholding Based on the EM Algorithm and the Generalized Gaussian Distribution, Pattern Recognition archive, Vol. 40, No. 2, pp. 619-634.

상세보기
Bruzzone, L. and Priato, D. F., 2000a, Automatic Analysis of the Difference Image for Unsupervised Change Detection, IEEE Transactions on Geocience and Remote Sensing, IEEE, Vol. 38, No. 2, pp. 1171-1182.

상세보기
Bruzzone, L. and Prieto, D. F., 2000b, A Minimum-cost Thresholding Technique for Unsupervised Change Detection, International Journal of Remote Sensing, Vol, 21, No. 18, pp. 3539-3544.

상세보기
Gyeonggi Research Institute, 2010. Green Roof Strategy for Mitigating the Urban Heat Island Effect
Jensen, John R., 2000, Remote Sensing of the Environment: An Earth Resource Perspective. Pearson Education India.
Kim DS and Kim HT, 2008, Automatic Thresholding Method using Cumulative Similarity Measurement for Unsupervised Change Detection of Multispectral and Hyperspectral Images. The Korean Society of Remote Sensing, 24(8): pp.341-349
Korea Environment Indtitute, 2010. The Effects of Urban Agrculture on Greenhouse Gases Reduction and Its Policy Proposals
Lyon, John G., et al., 1998, "A change detection experiment using vegetation indices." Photogrammetric Engineering and Remote Sensing 64.2: 143-150.
Metternicht, G., 1999, Change Detection Assessment Using Fuzzy Set and Remotely Sensed Data: an Application of Topographic Map Revision, ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 54, No. 4, pp. 221-233.

상세보기
Rosin, P. L., 2001, Unimodal Thresholding, Pattern Recognition, Vol. 34, pp. 2083-2096.

상세보기
Ryu EL and Yoon YH, 2009, Development of Green Roof System for Climate Changes, pp. 1-79

이 논문을 인용한 문헌

저자의 다른 논문 :

LOADING...

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

공간정보를 이용한 옥상녹화 가용면적 추정
Estimation of the Available Green Roof Area using Geo-Spatial Data 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

공간정보를 이용한 옥상녹화 가용면적 추정 Estimation of the Available Green Roof Area using Geo-Spatial Data 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

안지연 (3) 구지희 (27)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

공간정보를 이용한 옥상녹화 가용면적 추정
Estimation of the Available Green Roof Area using Geo-Spatial Data 원문보기

AI 본문요약
AI-Helper