[국내논문]화소 및 객체기반 분석기법을 활용한 생태계서비스 가치 추정 결과 비교 Comparison of the Estimated Result of Ecosystem Service Value Using Pixel-based and Object-based Analysis원문보기
오늘날 생태계가 인간에게 제공하는 기능과 서비스의 가치를 측정하고자 하는 노력이 지속적으로 이어지고 있으나, 지금까지 수행된 연구들의 대다수는 Landsat이나 MODIS와 같은 중저해상도의 위성영상을 활용해 왔다. 최근 들어 가용할 수 있는 고해상도 위성영상이 많아지는 데 비해 고해상도 영상을 활용한 생태계서비스 가치 추정 연구는 많이 이루어지지 않은 것이다. 이에 본 연구에서는 생태계서비스 가치를 좀 더 정밀하게 분석하고자 최근 들어 가장 많은 변화가 발생하였던 세종시 지역에 대한 고해상도 KOMPSAT-3 영상을 활용하여 화소 및 객체기반 분류를 수행한 후, 생태계서비스 가치 추정 결과를 비교하였다. 화소 및 객체기반 토지피복분류 결과, 화소기반 분류에서 산림과 초지는 상대적으로 과소평가되고 농경지와 시가지는 과대평가되는 것을 확인할 수 있었다. 또한 나지의 경우에는 화소기반 분류 결과에서는 증가하였고 객체기반 분류 결과에서는 감소하여 상반된 결과를 보였다. 이러한 토지피복 분류 결과를 토대로 연구지역 전체의 생태계서비스 가치를 추정한 결과, 2014년 기준 연간 약 818만(화소기반 결과) 달러와 863만(객체기반 결과) 달러에서 2016년에는 약 780만(화소기반 결과) 달러와 862만(객체기반 결과) 달러로 감소하는 것을 확인할 수 있었다. 본 연구 결과는 지역적 차원에서의 지속가능한 도시 개발 및 삶의 질 향상을 위한 정책 등을 수립하는 데 기초 자료로서 활용될 수 있을 것으로 기대된다.
오늘날 생태계가 인간에게 제공하는 기능과 서비스의 가치를 측정하고자 하는 노력이 지속적으로 이어지고 있으나, 지금까지 수행된 연구들의 대다수는 Landsat이나 MODIS와 같은 중저해상도의 위성영상을 활용해 왔다. 최근 들어 가용할 수 있는 고해상도 위성영상이 많아지는 데 비해 고해상도 영상을 활용한 생태계서비스 가치 추정 연구는 많이 이루어지지 않은 것이다. 이에 본 연구에서는 생태계서비스 가치를 좀 더 정밀하게 분석하고자 최근 들어 가장 많은 변화가 발생하였던 세종시 지역에 대한 고해상도 KOMPSAT-3 영상을 활용하여 화소 및 객체기반 분류를 수행한 후, 생태계서비스 가치 추정 결과를 비교하였다. 화소 및 객체기반 토지피복분류 결과, 화소기반 분류에서 산림과 초지는 상대적으로 과소평가되고 농경지와 시가지는 과대평가되는 것을 확인할 수 있었다. 또한 나지의 경우에는 화소기반 분류 결과에서는 증가하였고 객체기반 분류 결과에서는 감소하여 상반된 결과를 보였다. 이러한 토지피복 분류 결과를 토대로 연구지역 전체의 생태계서비스 가치를 추정한 결과, 2014년 기준 연간 약 818만(화소기반 결과) 달러와 863만(객체기반 결과) 달러에서 2016년에는 약 780만(화소기반 결과) 달러와 862만(객체기반 결과) 달러로 감소하는 것을 확인할 수 있었다. 본 연구 결과는 지역적 차원에서의 지속가능한 도시 개발 및 삶의 질 향상을 위한 정책 등을 수립하는 데 기초 자료로서 활용될 수 있을 것으로 기대된다.
Despite the continuing effort to estimate the value of function and services of ecosystem, most of the researches has used low and medium resolution satellite imagery such as MODIS or Landsat. It means that the researches to measure the ecosystem service value using VHR (Very High Resolution) satell...
Despite the continuing effort to estimate the value of function and services of ecosystem, most of the researches has used low and medium resolution satellite imagery such as MODIS or Landsat. It means that the researches to measure the ecosystem service value using VHR (Very High Resolution) satellite imagery have not been performed much, while the source of available VHR imagery is increasing. Thus, the aim of this study is to estimate and compare the result of ecosystem service value over Sejong city, S. Korea, which is one of the rapidly changed city, through the pixel-based and object-based classification analysis using VHR KOMPSAT-3 images, for more specific and precise information. In the result of the classification, forest and grassland were underestimated while agriculture and urban were overestimated in the pixel-based result compared to the object-based result. Furthermore, bare soil area was presented contrasting result that was increased in the pixel-based result, however, decreased in the object-based result. Using those results, ecosystem service values were estimated. The annual ecosystem service values in 2014 were $8.18 million USD(pixel-based) and $8.63 million USD(object-based), however, decreased to $7.80 million USD(pixel-based) and $8.62 million USD(object-based) in 2016. It is expected to use those results as a preliminary data when to make sustainable development plan and policy to improve the quality of life in the local level.
Despite the continuing effort to estimate the value of function and services of ecosystem, most of the researches has used low and medium resolution satellite imagery such as MODIS or Landsat. It means that the researches to measure the ecosystem service value using VHR (Very High Resolution) satellite imagery have not been performed much, while the source of available VHR imagery is increasing. Thus, the aim of this study is to estimate and compare the result of ecosystem service value over Sejong city, S. Korea, which is one of the rapidly changed city, through the pixel-based and object-based classification analysis using VHR KOMPSAT-3 images, for more specific and precise information. In the result of the classification, forest and grassland were underestimated while agriculture and urban were overestimated in the pixel-based result compared to the object-based result. Furthermore, bare soil area was presented contrasting result that was increased in the pixel-based result, however, decreased in the object-based result. Using those results, ecosystem service values were estimated. The annual ecosystem service values in 2014 were $8.18 million USD(pixel-based) and $8.63 million USD(object-based), however, decreased to $7.80 million USD(pixel-based) and $8.62 million USD(object-based) in 2016. It is expected to use those results as a preliminary data when to make sustainable development plan and policy to improve the quality of life in the local level.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이에 고해상도 위성영상인 KOMPSAT-3 영상을 활용하여 원격탐사 기법을 활용한 생태계서비스 가치 추정 기법 중 가장 많이 활용되고 있는 토지피복분류 기법을 통해 생태계서비스 가치를 추정하고자 하였다. 그러나 토지피복분류 기법 수행에 있어 감독 분류와 무감독 분류기법뿐만 아니라 고려해야 할 사항이 하나 더 있다.
따라서 본 연구에서는 생태계서비스의 가치를 보다 구체적이고 정밀하게 평가하고자 세종특별자치시 지역을 대상으로 KOMPSAT-3 영상을 활용하여 화소 및 객체기반 분류기법을 통해 생태계서비스 가치를 추정 하고 그 결과를 비교하고자 하였다.
제안 방법
연구에 활용된 KOMPSAT-3 위성영상은 전처리 과정을 거친 후, 픽셀기반 및 객체기반 분류를 수행하였다. 각 분류 결과는 정확도 평가를 수행한 이후 최종적으로 생태계서비스 가치를 추정하여 분류 기법에 따른 가치의 차이를 비교하였다.
연구에 활용된 KOMPSAT-3 위성영상은 전처리 과정을 거친 후, 픽셀기반 및 객체기반 분류를 수행하였다. 각 분류 결과는 정확도 평가를 수행한 이후 최종적으로 생태계서비스 가치를 추정하여 분류 기법에 따른 가치의 차이를 비교하였다.
영상을 분할한 다음에는 연구지역에 대해 토지피복 분류를 수행하였으며, 객체기반 토지피복분류 및 정확도 평가는 eCognition Developer 9.2 소프트웨어를 활용하였다.
3은 객체기반 토지피복분류 흐름도로 우선 NDVI 값을 기준으로 식생 지역과 비식생 지역으로 구분한 뒤, 각 지표를 활용하여 하위 클래스로 분류하는 단계를 거쳤다. 하위 클래스에 활용된 각 지표들은 특정 임계치 값을 기준으로 해당 클래스에 해당하는 개체들은 해당 클래스로 할당하고 나머지는 Unclassified 개체로 구분 하였다. Unclassified 개체들은 다음 단계로 넘어가 다른 클래스로 할당되거나 다시 Unclassified 개체로 분류되었고, 최종적으로 Unclassified된 개체는 시가지로 분류되었다.
Unclassified 개체들은 다음 단계로 넘어가 다른 클래스로 할당되거나 다시 Unclassified 개체로 분류되었고, 최종적으로 Unclassified된 개체는 시가지로 분류되었다. 각 지표들의 임계치 값은 영상마다 서로 달라 최적의 결과를 보일 때까지 임계치 값 수정을 반복하여 토지피복분류를 수행하였다.
습지는 연구지역 내에서 생태계서비스 가치가 가장 높은 토지피복으로, 해당 피복이 과다하게 분류될 경우 실제 생태계서비스 가치의 총량이 과대평가될 우려가 있었다. 따라서 본 연구에서는 습지를 제외한 6가지 유형으로 토지피복분류를 수행하였다.
두 분류 결과의 정확도를 정량적으로 비교하기 위해 각각 정확도 평가를 수행하였다. 화소기반 분류의 정확도 평가는 토지피복 분류를 수행했던 소프트웨어와 동 일하게 ERDAS Imagine을 사용하였으며, 150개의 랜덤 포인트를 생성하여 영상 영역 밖에 있는 포인트를 제외 한후각 클래스별 실제 토지피복을 참조자료로 활용하 였다.
본 연구에서는 생태계서비스 가치를 좀 더 정밀하게 분석하고자 고해상도 위성영상인 KOMPSAT-3 영상을 활용하여 화소 및 객체기반 분류를 수행한 후, 생태계서비스 가치 추정 결과를 비교하였다.
대상 데이터
본 연구에서는 2000년대 들어 가장 많은 변화가 일어난 지역 중 하나인 세종특별자치시 일대를 연구지역으로 정하였다(Fig. 1). 연구에 활용된 세 장의 위성영상은 정사보정 후 중첩된 지역을 절취하여 활용하였으며 세종시 연기면, 도담동, 아름동, 한솔동, 연동면, 금남면, 장군면, 연서면 일대를 포함하고 있다.
연구지역의 범위는 약 12×13 km2로 면적은 약 168 km2 정도이다.
아래의 Table 1은 본 연구에 사용된 KOMPSAT-3 영상의 제원이다. 2014년부터 2016년까지 연도별로 구름과 눈이 없는 영상을 선정하였으며, 본 연구에서는 다중 분광영상을 활용하여 분석을 수행하였다. KOMPSAT-3 다중분광영상의 공간해상도는 2.
2014년부터 2016년까지 연도별로 구름과 눈이 없는 영상을 선정하였으며, 본 연구에서는 다중 분광영상을 활용하여 분석을 수행하였다. KOMPSAT-3 다중분광영상의 공간해상도는 2.8 m이며 연구에 활용된 세 장의 영상은 3~4월 사이에 획득된 영상들이다.
획득된 3장의 영상에 대해서는 정사보정을 수행하였으며, 이를 위해 격자간격 5 m의 DEM과 공간해상도 0.5 m급의 항공정사영상을 활용하였다. 정사보정까지 수행한 영상의 RMSE 오차는 Table 2와 같이 모두 1 pixel 이내로 연구에 적합하다고 판단하였다.
영상분할은 연 구자가 설정한 조건에 따라 유사한 특징을 지닌 개별 화 소들을 묶어 동일한 객체로 만들어 주는 과정으로, 연구자가 시행착오를 거쳐 가장 적절한 단위로 영상을 분할할 때까지 반복해야 한다. 본 연구에서는 R, G, B, N 밴드 영상과 정사보정에 활용하였던 DEM을 사용하여 영상을 분할하였으며 Scale parameter는 70, Shape은 0.1, Compactness는 0.5로 설정하였다.
두 분류 결과의 정확도를 정량적으로 비교하기 위해 각각 정확도 평가를 수행하였다. 화소기반 분류의 정확도 평가는 토지피복 분류를 수행했던 소프트웨어와 동 일하게 ERDAS Imagine을 사용하였으며, 150개의 랜덤 포인트를 생성하여 영상 영역 밖에 있는 포인트를 제외 한후각 클래스별 실제 토지피복을 참조자료로 활용하 였다. 객체기반 분류의 정확도 평가는 eCognition Developer에서 제공하는 방법을 활용하였으며, 각 클래스별 TTA 마스크 샘플을 생성하여 정확도 평가에 사용 하였다.
1). 연구에 활용된 세 장의 위성영상은 정사보정 후 중첩된 지역을 절취하여 활용하였으며 세종시 연기면, 도담동, 아름동, 한솔동, 연동면, 금남면, 장군면, 연서면 일대를 포함하고 있다. 연구지역의 범위는 약 12×13 km2로 면적은 약 168 km2 정도이다.
데이터처리
화소기반 토지피복분류를 위해서 감독 분류 기법을 활용하였으며, 그 중에서 가장 널리 활용되는 최대우도 (maximum likelihood)법을 적용해 토지피복분류를 수행 하였다. 화소기반 분류 결과는 객체기반 분류 결과와의 비교를 위해 정확도 평가를 수행하였다.
이론/모형
본 연구에서는 생태계서비스 가치 추정을 위하여 Costanza et al.(1997)의 분류에 따른 생물군계 및 환경부의 토지피복 유형에 따라 대분류 토지피복지도를 구축하였다.
화소기반 토지피복분류를 위해서 감독 분류 기법을 활용하였으며, 그 중에서 가장 널리 활용되는 최대우도 (maximum likelihood)법을 적용해 토지피복분류를 수행 하였다. 화소기반 분류 결과는 객체기반 분류 결과와의 비교를 위해 정확도 평가를 수행하였다.
화소기반 토지피복분류 및 정확도 평가는 ERDAS IMAGINE 2014 소프트웨어를 활용하였다.
본 연구에서는 Costanza et al.(1997)에서 제시한 생물 군계별 생태계서비스 가치 계수를 활용하여 각 토지피 복별 생태계서비스 가치를 추정하였다.
Table 3에서 Land cover는 본 연구에서 활용한 토지피 복분류 클래스이며, Costanza et al.(1997)에서 제시한 생물군계(Biome)별 생태계서비스 가치 계수(Ecosystem service value)를 활용하였다.
화소기반 분류의 정확도 평가는 토지피복 분류를 수행했던 소프트웨어와 동 일하게 ERDAS Imagine을 사용하였으며, 150개의 랜덤 포인트를 생성하여 영상 영역 밖에 있는 포인트를 제외 한후각 클래스별 실제 토지피복을 참조자료로 활용하 였다. 객체기반 분류의 정확도 평가는 eCognition Developer에서 제공하는 방법을 활용하였으며, 각 클래스별 TTA 마스크 샘플을 생성하여 정확도 평가에 사용 하였다.
성능/효과
Table 4와 5는 화소 및 객체기반 토지피복분류 결과를 면적과 퍼센트별로 정리한 것으로, 2014년부터 2016 년으로 갈수록 산림과 농경지는 감소하고 시가지는 늘어나는 추세를 보이고 있다. 그러나 화소기반 분류 결과와 객체기반 분류 결과를 비교해보면 화소기반 분류에서 산림과 초지는 상대적으로 과소평가되고 농경지와 시가지는 과대평가되는 것을 알 수 있었다. 또한 나지의 경우에는 화소기반 분류 결과에서는 시간이 지남에 따라 증가하였고 객체기반 분류 결과에서는 감소하여 상반된 결과를 보였다.
그러나 화소기반 분류 결과와 객체기반 분류 결과를 비교해보면 화소기반 분류에서 산림과 초지는 상대적으로 과소평가되고 농경지와 시가지는 과대평가되는 것을 알 수 있었다. 또한 나지의 경우에는 화소기반 분류 결과에서는 시간이 지남에 따라 증가하였고 객체기반 분류 결과에서는 감소하여 상반된 결과를 보였다.
화소기반 분류 결과에서는 각 화소별로 클래스가 파편화되고 이웃한 화소끼리 서로 다른 클래스로 분류되어 노이즈처럼 보이는 saltand-pepper 현상이 나타나는 반면, 객체기반 분류 결과는 이웃한 객체끼리 동일한 클래스로 분류되었으며 파편화 현상이 적게 나타나는 것을 확인할 수 있다(Site 1). 두 분류 결과를 육안으로 확인했을 때에도 화소기반 분류 결과에서는 농경지가 과대 분류되는 경향이 나타날 뿐만 아니라(Site 2), 객체기반 분류 결과가 시가지와 나지를 더 잘 구분하고 있는 것으로 보아(Site 2 및 Site 3) 객체기반 분류 결과가 좀 더 우수한 것으로 해석되었다.
분류된 결과를 바탕으로 생태계서비스 가치를 추정 한 결과는 Table 7에 정리하였다. 토지피복분류 결과와 동일하게 산림과 농경지의 면적이 감소하면서 해당 피복 유형에서의 생태계서비스 가치도 감소하였다. 반면 초지의 면적이 증가함에 따라 초지의 생태계서비스 가치는 증가하는 추세를 보였다.
생태계서비스 가치의 총량은 화소기반 분류 결과가 객체기반 분류 결과보다 과소평가되는 경향이 나타났다. 이는 화소기반 토지피복분류에서 농경지는 과대평가되고 산림 및 초지가 과소평가되면서 나타난 결과라고 할수 있다.
화소 및 객체기반 분류 결과, 화소기반 분류보다 객체기반 분류의 정확도가 더 높게 나왔으며 이를 통해 객체기반 분류 결과가 화소기반 분류 결과보다 실세계를 더 잘 표현하고 있다고 할 수 있다. 토지피복 분류 결과는 화소기반 분류에서 산림과 초지는 상대적으로 과소 평가되고 농경지와 시가지는 과대평가되는 것을 확인 할 수 있었다. 또한 나지의 경우에는 시간이 지남에 따라 화소기반 분류 결과에서는 증가하였고 객체기반 분류 결과에서는 감소하여 상반된 결과를 보였다.
토지피복 분류 결과는 화소기반 분류에서 산림과 초지는 상대적으로 과소 평가되고 농경지와 시가지는 과대평가되는 것을 확인 할 수 있었다. 또한 나지의 경우에는 시간이 지남에 따라 화소기반 분류 결과에서는 증가하였고 객체기반 분류 결과에서는 감소하여 상반된 결과를 보였다.
이러한 토지피복 분류 결과를 토대로 연구지역의 연간 생태계서비스 가치를 추정하였을때, 화소기반 분류를 활용한 결과가 객체기반 분류 결과보다 전반적으로 과소평가됨을 확인할 수 있었다. 연구지역 전체의 생태계서비스 가치의 총합은 2014년 기준 연간 약 818만(화소기반 결과) 달러와 863만(객체기반 결과) 달러에서 2016년에는 약 780만(화소기반 결과) 달러와 862만(객체기반 결과) 달러로 감소하였다.
본 연구는 기존 연구들이 상대적으로 낮은 공간해상 도의자료를 이용해 생태계서비스의 가치를 분석한것보다 더 정밀하고 자세한 정보를 제공하였을 뿐만 아니라, 토지피복분류기법의 차이가 생태계서비스 가치 추정 에 영향을 미칠 수 있다는 것을 확인하였다는데 의의가 있다. 이러한 연구 결과는 지역적 차원에서의 지속 가능한 도시 개발 및 삶의 질 향상을 위한 정책 등을 수립하는데 기초 자료로서 활용될 수 있을 것으로 기대 된다.
화소기반 분류 결과에서는 각 화소별로 클래스가 파편화되고 이웃한 화소끼리 서로 다른 클래스로 분류되어 노이즈처럼 보이는 saltand-pepper 현상이 나타나는 반면, 객체기반 분류 결과는 이웃한 객체끼리 동일한 클래스로 분류되었으며 파편화 현상이 적게 나타나는 것을 확인할 수 있다(Site 1).
Table 6은 토지피복분류 후 정확도 평가를 정리한 것이다. 정확도 평가 결과, 화소기반 분류 결과의 전체 정 화소 및 객체기반 분석기법을 활용한 생태계서비스 가치 추정 결과 비교 확도는 77~79%대로 나타난 반면, 객체기반 분류 결과의 전체 정확도는 86~87%대로 화소기반 분류 결과보다 객체기반 분류 결과가 더 뛰어난 것을 확인할 수 있다.
화소 및 객체기반 분류 결과, 화소기반 분류보다 객체기반 분류의 정확도가 더 높게 나왔으며 이를 통해 객체기반 분류 결과가 화소기반 분류 결과보다 실세계를 더 잘 표현하고 있다고 할 수 있다. 토지피복 분류 결과는 화소기반 분류에서 산림과 초지는 상대적으로 과소 평가되고 농경지와 시가지는 과대평가되는 것을 확인 할 수 있었다.
후속연구
본 연구는 기존 연구들이 상대적으로 낮은 공간해상 도의자료를 이용해 생태계서비스의 가치를 분석한것보다 더 정밀하고 자세한 정보를 제공하였을 뿐만 아니라, 토지피복분류기법의 차이가 생태계서비스 가치 추정 에 영향을 미칠 수 있다는 것을 확인하였다는데 의의가 있다. 이러한 연구 결과는 지역적 차원에서의 지속 가능한 도시 개발 및 삶의 질 향상을 위한 정책 등을 수립하는데 기초 자료로서 활용될 수 있을 것으로 기대 된다. 그러나 고해상도의 위성영상을 활용했음에도 불구하고 대분류 토지피복분류를 수행하여 보다 세밀한 정보를 추출하지 못했다는 한계가 있으며, 추후 국내 사 정에 맞는 생태계서비스 가치 계수를 도출하는 것과 함께 해결해야 할 과제로 남아있다.
이러한 연구 결과는 지역적 차원에서의 지속 가능한 도시 개발 및 삶의 질 향상을 위한 정책 등을 수립하는데 기초 자료로서 활용될 수 있을 것으로 기대 된다. 그러나 고해상도의 위성영상을 활용했음에도 불구하고 대분류 토지피복분류를 수행하여 보다 세밀한 정보를 추출하지 못했다는 한계가 있으며, 추후 국내 사 정에 맞는 생태계서비스 가치 계수를 도출하는 것과 함께 해결해야 할 과제로 남아있다.
질의응답
핵심어
질문
논문에서 추출한 답변
원격탐사 기법을 활용하여 생태계서비스의 가치를 추정하고자 수행된 연구 사례는?
그러나 원격탐사 기법을 활용하여 생태계서비스의 가치를 추정하고자 수행된 연구들은 MODIS나 Landsat과 같은 중저해상도의 위성영상을 이용하거나 상대적으로 해상도가 낮은 영상으로 구축된 토지피복지도 등을 활용한 것이 대부분이었다.(Konarska et al.
객체기반 분류기법의 장점은?
, 2011; Kim and Yeom, 2012; Na and Lee, 2014). 객체기반 분류기법은 분광특성만 활용하는 화소기반 분류기법 보다 다양한 정보(축척, 형태, 질감 등)를 이용하여 분류가 가능하며, 화소기반 분류기법에서 이웃한 화소끼리 서로 다른 클래스로 분류되어 노이즈처럼 보이는 saltand-pepper 현상을 감소시킬 수 있다는 장점이 있다 (Whiteside et al., 2011; Duro et al.
토지피복분류 기법 수행할 때, 감독 분류, 무감독 분류 기법과 더불어 고려해야 할 사항은?
그러나 토지피복분류 기법 수행에 있어 감독 분류와 무감독 분류기법뿐만 아니라 고려해야 할 사항이 하나 더 있다. 바로 화소기반 분류와 객체기반 분류기법이다. 최근 들어 위성영상의 해상도가 향상되면서 객체기반 분류기 법에 대한 연구도 활발하게 이루어지고 있다(Myint et al.
참고문헌 (15)
Barbosa, C.C.A., P.M. Atkinson, and J.A. Dearing, 2015. Remote sensing of ecosystem services: A systematic review, Ecological Indicators, 52: 430-443.
Costanza, R., R. d'Arge, R. Groot, S. Farber, M. Grasso, B. Hannon, K. Limburg, S. Naeem, R.V. O'Neill, J. Paruelo, R.G. Raskin, P. Sutton, and M. Belt, 1997. The value of the world's ecosystem services and natural capital, Nature, 387: 253-260.
Daily, G.C., 1997. Introduction: What are ecosystem services?, Island Press, Washington DC, USA.
de Groot, R.S., M.A. Wilson, and R.M.J. Boumans, 2002. A typology for the classification, description and valuation of ecosystem functions, goods and services, Ecological Economics, 41: 393-408.
Duro, D.C., S.E. Franklin, and M.G. Dube, 2012. A comparison of pixel-based and object-based image analysis with selected machine learning algorithms for the classification of agricultural landscapes using SPOT-5 HRG imagery, Remote Sensing of Environment, 118: 259-272.
Grunewald, K., H. Herold, S. Marzelli, G. Meinel, B. Richter, R. Syrbe, and U. Walz, 2016. Assessment of ecosystem services at the national level in Germany - Illustration of the concept and the development of indicators by way of the example wood provision, Ecological Indicators, 70: 181-195.
Kim, H.O. and J.M. Yeom, 2012. A study on objectbased image analysis methods for land cover classification in agricultural areas, Journal of the Korean Association of Geographic Information Studies, 15(4): 26-41 (in Korean with English abstract).
Konarska, K.M., P.C. Sutton, and M. Castellon, 2002. Evaluating scale dependence of ecosystem service valuation: a comparison of NOAA-AVHRR and Landsat TM datasets, Ecological Economics, 41(3): 491-507.
Li, F., Y.P. Ye, B.W. Song, R.S. Wang, and Y. Tao, 2014. Assessing the changes in land use and ecosystem services in Changzhou municipality, People's Republic of China, 1991-2006, Ecological Indicators, 42: 95-103.
Na, H.S. and J.S. Lee, 2014. Analysis of land cover characteristics with object-based classification method - Focusing on the DMZ in Inje-gun, Gangwon-do, Journal of the Korean Association of Geographic Information Studies, 17(2): 121-135 (in Korean with English abstract).
Myint, S.W., P. Gober, A. Brazel, S. Grossman-Clarke, and Q. Weng, 2011. Per-pixel vs. object-based classification of urban land cover extraction using high spatial resolution imagery, Remote Sensing of Environment, 115: 1145-1161.
Park, M.J., J.B. Jeon, J.A. Choi, E.J. Kim, and C.S. Im, 2016. Analysis of ecosystem service value change using a land cover map, The Korean Journal of Community Living Science, 27(S): 681-688 (in Korean with English abstract).
Ryu, D.H. and D.K. Lee, 2013. Evaluation on ecosystem value of the greenbelt's ecosystem services in the Seoul metropolitan region, Journal of Korea Planning Association, 48(3): 279-292 (in Korean with English abstract).
Whiteside, T.G., G.S. Boggs, and S.W. Maier, 2011. Comparing object-based and pixel-based classifica - tions for mapping savannas, International Journal of Applied Earth Observation and Geoinformation, 13: 884-893.
Zhao, B., U. Kreuter, B. Li, Z. Ma, J. Chen, and N. Nakagoshi, 2004. An ecosystem service value assessment of land-use change on Chongming Island, China, Land Use Policy, 21(2): 139-148.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.