[논문]CVA 변화탐지 기법을 이용한 식생 변화 탐지

김혜진; 김선수; 김용일

CVA 변화탐지 기법을 이용한 식생 변화 탐지
Vegetation Change Detection using Change Vector Analysis 원문보기

김혜진 (서울대 지구환경시스템공학부) , 김선수 (서울대 지구환경시스템공학부) , 김용일 (서울대 지구환경시스템공학부)

변화탐지를 위하여 기존에 사용하던 화소차 혹은 화소비 변화탐지 기법은 단밴드의 영상을 사용하므로 다중분광 자료를 활용하기 어렵고 변화지역의 유형을 추출하는데 적절하지 못하다는 단점이 있다. 후분류 변화탐지 기법은 다중분팡 영상의 활용이 가능하고 변화지역의 변화 유형을 파악할 수 있지만 변화탐지 성과가 분류 결과의 정확도에 의해 크게 영향을 받는다. 이에 반해 CVA(Change Vector Analysis) 변화탐지는 여러 밴드의 다중분광 영상을 이용하여 변화지역을 탐지할 뿐 아니라 피복 변화의 경향을 파악할 수 있어 보다 효율적인 기법으로 평가받고 있다. 기본적인 CVA 변화탐지는 일반적으로 다중분광 영상의 red 밴드와 infrared 밴드의 영상을 조합하여 변화탐지를 수행하여 식생 및 인공물의 변화를 탐지한다. 본 연구에서는 단순한 red/NIR 밴드간의 조합 외에 식생의 특성을 계수로 변환하는 PDA(Pattern Decomposition Analysis) 변환 및 Tasseled Cap 변환 결과를 이용한 CVA 변화탐지를 수행하고 각 결과의 정확도를 비교하여 보다 효율적인 식생 변화탐지 기법을 제안하고자 하였다.

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

문제 정의

이에 본 연구에서는 가장 보편적으로 사용되는 red/NIR 조합과 다중분광 영상의 PDA(Pattem Decomposition Analysis) 영상 및 Tasseled Cap 변환 영상을 각각 CVA 기법을 적용하여 가장 효율적인 CVA 기법을 제시하고자 하였다. 실험 지역은 지난 10여년간 많은 토지피복 변화가 있었던 서울 북서부 지역을 대상으로 하였으며 1992년의 Landsat TM 영상 과 20이년의 Landsat ETM+ 영상을 이용

제안 방법

TM 영상과 ETM+ 영상은 각 밴드의 분 광 대역이 약간의 차이가 있어 반사값이 다소 다르게 측정되므로 본 실험에서는 분석 이전에 ETM+ 영상의 화소값을 TM 영상의 분광 대역에 맞추어 보정하였다.(Huang, 2002) 또한 영상의 기하보정과 변화탐지 후 정확도 평가를 위해 1992년 과 2002년에 발행된 1:25,000 지형도 4 도 엽을 사용하였다.
서울 북서부 지역의 변화탐지를 위하여 Landsat 영상의 red 밴드3과 NIR 밴드4를 이용한 단순 CVA 분석과 PDA 변환 후 3개의 패턴을 이용한 CVA 분석, 그리고 Tasseled Cap 변환 후 3 지표를 이용한 CVA 분석의 3가지 실험을 수행하였다.
효율적인 정확도 평가를 위해서는 해당 시기의 토지이용도를 기준 자료로 활용하는 것이 가장 바람직하나 서로 다른 시기 에 작성된 토지이용도를 취득할 수 없어 1:25,000 지형도와 영상의 육안 판별을 통해 정확도 평가를 수행하였다. 정확도 평가를 위한 검사점들은 영상 전체에서 격 자 간격으로 400점 (20X20)을 추출하여 사 용하였으며 이를 이용해 계산한 정확도 결과는 표 4와 같다.

대상 데이터

본 연구의 대상 지역은 서울 북서부 지 역과 고양시 일대를 포함하는 20 X 20km 지역으로 1990년대에 많은 토지피복 변화가 발생한 지역이다. 특히 1990년부터 일 산 신도시 개발이 시작된 고양시 일대와 1993년부터 쓰레기 매립이 중단되고 공원 으로 조성된 난지도 부근 지역 등 단기간 에 인공적인 토지피복 변화가 많이 일어 난 지역을 포함하고 있다.
사용된 영상은 1992년 6월의 Landsat TM 영상과 2001년 9월에 취득된 Landsat ETM+ 영상으로 제원은 다음과 같다.

데이터처리

위의 CVA 결과 영상들에 임계값을 적용하여 변화/미변화 지역을 구분한 영상을 생성하였으며 이때 CVA 영상의 화소값 평 균치+(L5X 표준편차)를 임 계 값으로 사용하였다. 아래 영상들에서 흰색으로 나타난 부분이 변화된 지역이다.

성능/효과

각기 다른 밴드 조합을 이용한 CVA 기 법 변화탐지를 수행한 결과 PDA를 이용한 CVA 변화탐지 기법이 red/NIR 밴드 조합이나 Tasseled Cap 변환을 이용한 CVA 결과보다 높은 정확도를 보였다. 또한 PDA 분석은 계절차에 의한 수목 변화 및 수계의 변화에 민감하지 않아 계절차 가 있는 다시기 영상을 이용한 식생과 비 식생(인공물 혹은 나대지)간의 변화탐지에 가장 효율적으로 사용될 수 있을 것으로 보인다.
실험결과를 시각적으로 분석한 결과 식 생과 인공물간의 변화는 세 영상에서 모두 잘 탐지되었으나 단순 CVA 변화탐지 의 경우에는 영상의 계절차로 인한 수목 의 변화를, TC 변환 결과를 이용한 CVA 변화탐지에서는 논과 수계의 계절적 변화를 변화 지역으로 오탐지하는 경향을 보였다.
정확도 평가 결과 red/NIR를 이용한 단순 CVA 변화탐지의 정확도가 가장 낮았으며 PDA를 이용한 CVA 변화탐지의 전체 정 확도 및 Kappa 계수가 가장 좋은 결과를 보였다. TC 변환을 이용한 CVA 변화탐 지 결과는 변화지역에 대한 생산자 정확 도와 미변화 지 역에 대한 사용자 정 확도 는 가장 높았으나 미변화 지역이 변화 지 역으로 오탐지된 경우가 많아 전체적으로 정확도는 PDA를 이용한 CVA 변화탐지 결과보다 좋지 않았다.

후속연구

각기 다른 밴드 조합을 이용한 CVA 기 법 변화탐지를 수행한 결과 PDA를 이용한 CVA 변화탐지 기법이 red/NIR 밴드 조합이나 Tasseled Cap 변환을 이용한 CVA 결과보다 높은 정확도를 보였다. 또한 PDA 분석은 계절차에 의한 수목 변화 및 수계의 변화에 민감하지 않아 계절차 가 있는 다시기 영상을 이용한 식생과 비 식생(인공물 혹은 나대지)간의 변화탐지에 가장 효율적으로 사용될 수 있을 것으로 보인다.
그러나 본. 연구는 정확도 평가의 기준자 료로 사용된 지형도에 토지피복이나 토지 이용 상태가 정확히 명시되어 있지 않아 육안 판별 등의 주관적인 판단이 개입되 었고 CVA의 중요 정보인 벡터방향을 평 가에 반영하지 않았다는 한계점을 갖는다. 이에 향후 연구에서는 보다 신뢰도 높은 기준 자료를 이용하고 벡터방향 데이터를 활용하여 CVA 기법을 검증해보는 작업이 필요하겠다.
연구는 정확도 평가의 기준자 료로 사용된 지형도에 토지피복이나 토지 이용 상태가 정확히 명시되어 있지 않아 육안 판별 등의 주관적인 판단이 개입되 었고 CVA의 중요 정보인 벡터방향을 평 가에 반영하지 않았다는 한계점을 갖는다. 이에 향후 연구에서는 보다 신뢰도 높은 기준 자료를 이용하고 벡터방향 데이터를 활용하여 CVA 기법을 검증해보는 작업이 필요하겠다.

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

CVA 변화탐지 기법을 이용한 식생 변화 탐지
Vegetation Change Detection using Change Vector Analysis 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

CVA 변화탐지 기법을 이용한 식생 변화 탐지 Vegetation Change Detection using Change Vector Analysis 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

CVA 변화탐지 기법을 이용한 식생 변화 탐지
Vegetation Change Detection using Change Vector Analysis 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper