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
- 철도.항공 교통의 구심점인 서울특별시를 대상으로 감독 분류기법과 식생지수결합법을 이용한 도시지역의 추출과 그 비교를 통해 식생지수결합법의 사용 가능성을 파악하는데 그 목적이 있다.
제안 방법
- 각각의 분석결과를 원 영상과 비교 해 볼 때, 두 결과 모두 도시지역을 잘 추출해내고 있지만 식생지수결합법 분류 결과가 더 정밀하게 이루어지고 있음을 볼 수 있다. 그러나 보다 정확한 결론을 얻기 위해서 도시지역과 비도시지역으로 추출된 셀의 비교분석을 실시하였다.
- 도시지역 데이터 구축을 위해 1988년과 2000년 위성 영상을 이용하여 기하보정 (Geometric Correction)® 실시하였다. 2 000년 영상을 image to map으로 1: 25,000 수치지도를 사용하여 GCP를 선정하였고, 1988년 영상은 기하보정된 2000년 위성영상을 가지고 image to image 방법으로 기하보정 하였으며, 화상을 보정하기 위하여 영상 자료값 재배열 방법으로는최근린 법 (Nearest-neighbor method)을사용하여 보강하였다.
- 이유형은 forest, agriculture, water가 가지는 패턴과는 명확하게 구분된다. 따라서 이러한 원리를 이용하면 도시지역을 추출할 수 있고, 이를 위해서 ER Mapper 알고리즘 분석을 수행하였다. 분석을 통해서 도시 지역은 255, 비도시지역은#의 값을 가지게 되는데, 감독분류 결과와의 비교를 위하여 이것을 ArcView GIS 상에서 그리드 파일로 전환하였으며, 이진 마스킹(Bin ary Masking)과정을 통해 도시는 1로, 비도시는 0의 값으로 재분류하였다.
- 본 연구에서는 urban, forest, agric 니ture, mud, water의 5개의 훈련지역을 선정하였는데, 이 5개 항목으로 토지 피복 분류를 실시하였다. 토지피복분류 결과를 식생지수결합법분류 결과와의 비교를 위하여 마찬가지로 ArcView GIS 상에서 그리드 파일로 전환하였으며, 도시는 1, 나머지 지역은 모두#의 값으로 분류하는 이진 마스킹과정을 수행하였다.
- 따라서 이러한 원리를 이용하면 도시지역을 추출할 수 있고, 이를 위해서 ER Mapper 알고리즘 분석을 수행하였다. 분석을 통해서 도시 지역은 255, 비도시지역은#의 값을 가지게 되는데, 감독분류 결과와의 비교를 위하여 이것을 ArcView GIS 상에서 그리드 파일로 전환하였으며, 이진 마스킹(Bin ary Masking)과정을 통해 도시는 1로, 비도시는 0의 값으로 재분류하였다.
- 지금까지 서울시를 대상으로 1988년과 2 000년의 Landsat TM 영상을 이용하여 토지 피복 분류에 일반적으로 사용되는 감독 분류기법과 도시지역추출에 사용되는 식생지수결합법을 사용하여 서울시의 도시지역을 추출하고 이를 비교분석하여 도시지역 추출에 있어서 식생지수결합법의 사용이 적합함을 알아보았다.
- 본 연구에서는 urban, forest, agric 니ture, mud, water의 5개의 훈련지역을 선정하였는데, 이 5개 항목으로 토지 피복 분류를 실시하였다. 토지피복분류 결과를 식생지수결합법분류 결과와의 비교를 위하여 마찬가지로 ArcView GIS 상에서 그리드 파일로 전환하였으며, 도시는 1, 나머지 지역은 모두#의 값으로 분류하는 이진 마스킹과정을 수행하였다.
대상 데이터
- 본 연구를 위한 연구대상지역의 자료는 1988년과 2000년의 Landsat TM 영상을 사용하였고 공간 해상도는 Landsat TM 영상이 가지고 있는 30mx30m를 이용하여 분석하였다. 사용된 분석도구는 위성영상의 분석을 위하여 ER Mapper Ver.
- 본 연구의 공간적 범위는 1988년부터 2 000년까지 서울시지역으로, 연구를 위해 1988년과 2000년의 Landsat TM 영상을 이용하여 도시 지역 데이터가 구축되었다. 서울은 면적 605.
데이터처리
- 각 기법의 정확도를 파악하기 위해 서울시의 도시 검사점 데이터와의 일치도를 분석하였고 그 결과는 표 5와 같다. 이 표를 통하여, 각 기법으로 추출된 도시지역과 검사점을 통한 실제 도시지역과의 일치도는 다음과 같이 구할 수 있다.
이론/모형
- 2 000년 영상을 image to map으로 1: 25,000 수치지도를 사용하여 GCP를 선정하였고, 1988년 영상은 기하보정된 2000년 위성영상을 가지고 image to image 방법으로 기하보정 하였으며, 화상을 보정하기 위하여 영상 자료값 재배열 방법으로는최근린 법 (Nearest-neighbor method)을사용하여 보강하였다. 최근린 법은 원형 셀에 가장 근접한 것과 동등한 속성 값이 출력 래스터 레이어 셀에 지정되는 방법으로, 리샘플링(Resam이ing) 방법 중 재수정된 격자 셀에 할당된 원형의 격자 셀 속성 값을 변형시키지 않는 유일한 방법이다.
- 식생지수의 다른 응용으로서 본 연구에 사용된 방법은 정규시가지지수 (NDBI) 이다. .
성능/효과
- 1988년 영상의 분석 결과에서 식생지수결합법을 사용하여 추출된 비 도시 지역이 감독분류에서 도시 지역으로 추출될 확률이 37.4%로 나타나는 점과 1988년 영상의 감독분류로 추출된 도시지역과 도시 검사점의 일치도가 식생지수결합법의 결과보다 높게 나타난 점은 감독 분류기법이 식생지수결합법보다 정확하다는 결론을 이끌어낼 수 있지만, 이것은 표면적인 것이다. 데이터 분석 결과를 살펴보면, 19 88년 영상의 감독분류기법으로 분류된 도시지역은 413491셀이고 2000년 영상에서 감독 분류기 법으로 분류된 도시지역은 424 838셀이다.
- 1988년 영상의 분석 결과에서 식생지수결합법을 사용하여 추출된 비 도시 지역이 감독분류에서 도시 지역으로 추출될 확률이 37.4%로 나타나는 점과 1988년 영상의 감독분류에서 추출된 도시지역과 도시 검사점의 일치도가 식생지수결합법의 결과보다 높게 나타난 점은 1988년 영상에서 감독분류기법으로 분류된 도시지역이 과대 추정되었거나, 2000년 영상에서 감독분류기법으로 분류된 도시지역이 과소 추정된 결과로, 분류결과의 정확도가 높다고 볼 수 없기 때문에, 분류를 통한 도시지역 추출 방법에 비해 식생지수결합법을 이용한 도시지역 추출이 절차상 수월한 점을 감안하면 도시지역 추출에 있어서 감독분류기법보다 식생지수결합법 의사용이 효율적이다. 다만 Landsat TM sp ectral Band를 사용한 토지피복분류에서 urban과 mud가 잘 구별되지 않는 것은 이 연구의 한계로 앞으로 계속적인 연구가 필요한 부분이다.
- 9%, 2000년 88. 3%인 점을 고려한다면, 2000년의 도시 셀이 훨씬 많아야 함에도 불구하고 그 차이가 매우 적게 나타난 점으로 미루어보아, 1988년 영상에서 감독 분류기법으로 분류된 도시지역이 과대 추정되었거나, 2 000년 영상에서 감독분류기법으로 분류도니 도시지역이 과소 추정되고 있음을 알 수 있다. 이러한 도시의 과대 혹은 과소추정 때문에 감독분류기법의 결과가 식생지수결합법의 결과보다 상대적으로 높은 일치도를 보인 것이다.
- 각각의 분석결과를 원 영상과 비교 해 볼 때, 두 결과 모두 도시지역을 잘 추출해내고 있지만 식생지수결합법 분류 결과가 더 정밀하게 이루어지고 있음을 볼 수 있다. 그러나 보다 정확한 결론을 얻기 위해서 도시지역과 비도시지역으로 추출된 셀의 비교분석을 실시하였다.
- 4%로 나타나는 점과 1988년 영상의 감독분류로 추출된 도시지역과 도시 검사점의 일치도가 식생지수결합법의 결과보다 높게 나타난 점은 감독 분류기법이 식생지수결합법보다 정확하다는 결론을 이끌어낼 수 있지만, 이것은 표면적인 것이다. 데이터 분석 결과를 살펴보면, 19 88년 영상의 감독분류기법으로 분류된 도시지역은 413491셀이고 2000년 영상에서 감독 분류기 법으로 분류된 도시지역은 424 838셀이다. 우리나라의 도시화율이 1985 년 74.
- 두 시기 영상의 분석 결과 식생지수결합법을 사용한 도시지역 추출 결과와 감독 분류기법을 사용한 도시지역 추출 결과의 일치도가 매우 높게 나타나고, 식생지수결합법을 사용하여 추출된 비 도시지역이 감독 분류기법을 사용하여 추출하였을 때, 도시 지역으로 추출될 확률이 매우 낮음을 알 수 있었다. 따라서 도시 지역 추출에 있어 식생지수결합법의 사용이 적합함을 알 수 있다.
- 이러한 도시의 과대 혹은 과소추정 때문에 감독분류기법의 결과가 식생지수결합법의 결과보다 상대적으로 높은 일치도를 보인 것이다. 따라서 분류정확도가 높다면 분류결과를 신뢰할 수 있지만 (정재준, 2005), 본 연구에서는 분류 결과의 정확도가 높다고 볼 수 없기 때문에, 분류를 통한 도시지역 추출 방법에 비해 식생지수결합법을 이용한 도시지역 추출이 절차상 수월한 점을 감안하면 도시지역 추출에 있어서 감독분류기법보다 식생지수결합법의 사용이 효율적임을 알 수 있다.
- 나타났다. 식생지수결합법에서 도시로 추출되었으나 감독 분류에서 비도시로 추출된 셀은 5, 09 8셀이었고, 감독분류에서 도시로 추출되었으나 식생지수결합법에서 비도시로 추출된 셀은 152, 520셀로 나타났다. 식생지수결합법에서 도시로 추출된 지역이 감독 분류에서 도시로 추출될 확률은 98%로 높게 나타났으며 식생지수결합법에서 비도시로 추출된 지역이 감독분류에서 비도시로 추출될 확률은 62.
- 식생지수결합법에서 도시로 추출되었으나 감독 분류에서 비도시로 추출된 셀은 5, 09 8셀이었고, 감독분류에서 도시로 추출되었으나 식생지수결합법에서 비도시로 추출된 셀은 152, 520셀로 나타났다. 식생지수결합법에서 도시로 추출된 지역이 감독 분류에서 도시로 추출될 확률은 98%로 높게 나타났으며 식생지수결합법에서 비도시로 추출된 지역이 감독분류에서 비도시로 추출될 확률은 62.6%, 같은 경우 감독 분류에서 도시로 추출될 확률은 37.35% 로 낮게 나타났다(표 3). 식생지수결합법에서 도시로 추출된 지역이 감독 분류에서 비도시로 추출될 확률과 식생지수결합법에서 비도시로 추출된 지역이 감독 분류에서 도시로 추출될 확률이 매우 낮기 때문에, 식생지수결합법의 도시지역 추출 결과를 실제 도시지역으로 볼 수 있다.
- 2%로 매우 높게 나타났다. 식생지수결합법에서 비도시로 추출된 지역이 감독분류에서 도시지역으로 추출된 셀은 2, 909셀, 확률 7.8%로 매우 낮게 나타났으며 같은 경우 감독 분류에서도 비도시로 추출될 확률은 92.2%로 높게 나타났匚卜(표 4). 따라서 2000년의 영상분석 결과도 식생지수결합법의 도시지역 분석결과를 신뢰할 수 있다.
- 나타났다. 전체 974, 428셀 중에서 두 방법으로 추출한 셀 중 도시지역의 일치 셀은 404, 203셀, 비도시 지역의 일치 셀은 246, 681셀로, 식생지수결합법에서 도시지역으로 추출된 지역이 감독분류 결과와 일치할 확률은 99.2%로 매우 높게 나타났다. 식생지수결합법에서 비도시로 추출된 지역이 감독분류에서 도시지역으로 추출된 셀은 2, 909셀, 확률 7.
후속연구
- 4%로 나타나는 점과 1988년 영상의 감독분류에서 추출된 도시지역과 도시 검사점의 일치도가 식생지수결합법의 결과보다 높게 나타난 점은 1988년 영상에서 감독분류기법으로 분류된 도시지역이 과대 추정되었거나, 2000년 영상에서 감독분류기법으로 분류된 도시지역이 과소 추정된 결과로, 분류결과의 정확도가 높다고 볼 수 없기 때문에, 분류를 통한 도시지역 추출 방법에 비해 식생지수결합법을 이용한 도시지역 추출이 절차상 수월한 점을 감안하면 도시지역 추출에 있어서 감독분류기법보다 식생지수결합법 의사용이 효율적이다. 다만 Landsat TM sp ectral Band를 사용한 토지피복분류에서 urban과 mud가 잘 구별되지 않는 것은 이 연구의 한계로 앞으로 계속적인 연구가 필요한 부분이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.