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
- 하지만 한강유역 북쪽은 군사경계지역으로 토지피복자료를 구할 수 없는 실정으로, 수자원 분야에서 증발산 산정 등에 어려움을 겪고 있다. 본 연구에서는 감독분류와 무감독 분류를 적용하여 위성영상을 이용한 토지피복분류를 산정, 비교하였으며, 이를 토대로 보다 정확한 토지피복분류를 활용하고자 한다.
제안 방법
- 본 연구에서는 우리나라의 토지피복을 대분류로 수역, 시가, 나지, 습지, 초지, 산림, 농지의 7가지로 분류하였다. 무감독 분류법인 ISODATA Training을 이용하여 Masking 기법을 도입한 방법과 감독분류법인 최대우도분류법을 이용하여 토지피복도를 산출한 후 각각의 결과를 비교하였다. 두 방법 모두 우리나라 대부분을 차지하는 산림, 농지, 시가, 수역의 정확도가 높게 나타났다.
- 무감독 분류법인 ISODATA Traning을 이용하여 Masking 기법을 도입한 방법과 감독분류법인 최대우도 분류법을 이용하여 산정한 각각의 결과를 국가수자원관리 종합정보시스템 (WAMIS) 의 토지피복도를 대상으로 검증하였다. 무감독 분류와 Masking 기법을 도입한 방법은 90.
- 전처리 과정으로 Landsat 5 TM 영상은 Projection UTM-52, Datum WGS-84 로 설정하였으며, 이를 기준으로 국가수자원관리 종합정보시스템의 토지피복도를 Image to image 방법으로 기하보정하였다. 무감독 분류와 감독 분류 모두 수역, 시가, 나지, 습지, 초지, 산림, 농지의 7가지로 분류하였다.
- 본 연구에서는 우리나라의 토지피복을 대분류로 수역, 시가, 나지, 습지, 초지, 산림, 농지의 7가지로 분류하였다. 무감독 분류법인 ISODATA Training을 이용하여 Masking 기법을 도입한 방법과 감독분류법인 최대우도분류법을 이용하여 토지피복도를 산출한 후 각각의 결과를 비교하였다.
- 먼저 무감독 분류법은 보정된 영상을 이용하여 ISODATA Training방법을 적용하였다(그림 2). 분류하고자 하는 7개의 Class만을 이용하면 서로 다른 분류지역이 동일한 Class값을 갖는 오분류가 많기 때문에 이를 줄이기 위해 먼저 53가지의 Class를 이용하여 연구지역을 분류하였다. 이 53가지로 분류된 Class를 이용하여 수역과 토지에 대한 구분이 높은 Band 4를 이용하여 수역과 시가를 구분하였고, 식생의 습윤도에 민감한 Band 5를 이용하여 수역과 산림, 농·초지를 분류하였다.
- 감독분류법은 영상에서 분류하고자 하는 지역의 위치, 혹은 분광특성을 사용자가 알고 있을 때 사용하는 방법이다. 사용자가 알고 있는 지식을 기반으로 토지피복의 특징을 대표하는 훈련지역을 선정하며, 이를 이용하여 각각의 알고리즘을 토대로 토지피복을 분류한다. 무감독 분류법은 사전정보 없이 영상을 구성하는 화소값의 공간적, 분광적 특성만을 고려하여 알고리즘을 이용하여 분류하는 방법으로 훈련지역의 선정과정이 필요하지 않다.
- 이 53가지로 분류된 Class를 이용하여 수역과 토지에 대한 구분이 높은 Band 4를 이용하여 수역과 시가를 구분하였고, 식생의 습윤도에 민감한 Band 5를 이용하여 수역과 산림, 농·초지를 분류하였다.
대상 데이터
- 감독분류법으로는 정확도와 활용도가 가장 높은 최대우도법을 사용하였다. 관심 분류항목을 영상으로부터 분리할 때의 최적 사용밴드의 선정과정에서는 Landsat TM 영상의 열적외 벤드를 제외한 6개의 밴드에서 중복도가 가장 낮은 3개의 밴드를 선택하였다. 이 때 토지피복분류항목간 분기도가 높은 1, 2, 3 밴드를 이용하였다 (양인태 등, 1999).
- 이번 연구의 연구지역은 동경 125°5'20"-127°2'39", 북위 36°9'1"-38°5'41"의 한강 유역으로 대부분의 면적이 산림, 농지, 시가, 수역으로 이루어져 있다. 본 연구에 사용된 위성 영상은 Landsat 5 TM (Thematic Mapper) 이며, 2006년 9월 15일에 촬영된 영상이다(그림 1).
- 이번 연구의 연구지역은 동경 125°5'20"-127°2'39", 북위 36°9'1"-38°5'41"의 한강 유역으로 대부분의 면적이 산림, 농지, 시가, 수역으로 이루어져 있다.
- 이 때 토지피복분류항목간 분기도가 높은 1, 2, 3 밴드를 이용하였다 (양인태 등, 1999). 훈련지역은 Google Earth 와 영상의 육안분석을 통하여 수역 17지점, 시가 11지점, 나지 6지점, 습지 6지점, 초지 4지점, 산림 27지점을 선정하였다(그림 4).
이론/모형
- 감독분류법으로는 정확도와 활용도가 가장 높은 최대우도법을 사용하였다. 관심 분류항목을 영상으로부터 분리할 때의 최적 사용밴드의 선정과정에서는 Landsat TM 영상의 열적외 벤드를 제외한 6개의 밴드에서 중복도가 가장 낮은 3개의 밴드를 선택하였다.
- 먼저 무감독 분류법은 보정된 영상을 이용하여 ISODATA Training방법을 적용하였다(그림 2). 분류하고자 하는 7개의 Class만을 이용하면 서로 다른 분류지역이 동일한 Class값을 갖는 오분류가 많기 때문에 이를 줄이기 위해 먼저 53가지의 Class를 이용하여 연구지역을 분류하였다.
- 본 연구에서는 감독분류법 중 정확도가 높다고 알려진 최대우도분류와 무감독분류법의 ISODATA Training을 사용하였다.
- 전처리 과정으로 Landsat 5 TM 영상은 Projection UTM-52, Datum WGS-84 로 설정하였으며, 이를 기준으로 국가수자원관리 종합정보시스템의 토지피복도를 Image to image 방법으로 기하보정하였다. 무감독 분류와 감독 분류 모두 수역, 시가, 나지, 습지, 초지, 산림, 농지의 7가지로 분류하였다.
성능/효과
- 두 방법 모두 우리나라 대부분을 차지하는 산림, 농지, 시가, 수역의 정확도가 높게 나타났다. 감독분류법을 이용한 방법이 전체적으로 보다 높은 정확도를 보이는 것을 확인하였다. 또한 무감독분류법을 이용한 경우 산지 그림자 부분의 오분류가 다소 적은 것을 확인하였다.
- 무감독 분류법인 ISODATA Training을 이용하여 Masking 기법을 도입한 방법과 감독분류법인 최대우도분류법을 이용하여 토지피복도를 산출한 후 각각의 결과를 비교하였다. 두 방법 모두 우리나라 대부분을 차지하는 산림, 농지, 시가, 수역의 정확도가 높게 나타났다. 감독분류법을 이용한 방법이 전체적으로 보다 높은 정확도를 보이는 것을 확인하였다.
- 4 %)로 대다수의 지역을 차지하는 항목이 적은 부분을 차지하는 나지, 습지, 초지에 비해 높은 값을 나타내었다. 또한 감독 분류법인 최대우도분류법을 이용하여 산정한 결과는 정확도가 91.6 %를 나타내었으며, Kappa 계수는 0.77의 값을 나타내어 미세하게 높은 정확도와 일치정도를 보였다. 세부적인 값 또한 시가 (99.
- 감독분류법을 이용한 방법이 전체적으로 보다 높은 정확도를 보이는 것을 확인하였다. 또한 무감독분류법을 이용한 경우 산지 그림자 부분의 오분류가 다소 적은 것을 확인하였다. 향후 외부자료를 도입하면 비교적 정확성이 낮은 나지와 습지, 초지의 분류를 개선할 수 있을 것으로 생각되며, 이렇게 산정된 토지피복도는 접근이 불가능한 유역의 증발산 및 유출 등에 효과적으로 이용되어 신뢰성 있는 결과를 산출할 수 있을 것으로 판단된다.
- 무감독 분류법인 ISODATA Traning을 이용하여 Masking 기법을 도입한 방법과 감독분류법인 최대우도 분류법을 이용하여 산정한 각각의 결과를 국가수자원관리 종합정보시스템 (WAMIS) 의 토지피복도를 대상으로 검증하였다. 무감독 분류와 Masking 기법을 도입한 방법은 90.9 %의 정확도를 나타내었으며, 서로 다른 자료의 일치정도를 나타내는 지수인 Kappa 계수가 0.74의 값을 나타내었다. 세부적으로는 시가 (97.
- 77의 값을 나타내어 미세하게 높은 정확도와 일치정도를 보였다. 세부적인 값 또한 시가 (99.3 %), 산림(94.6 %), 농지(98.3 %), 수역 (98.5 %)으로 대체적으로 높은 정확도를 보였다.
후속연구
- 또한 무감독분류법을 이용한 경우 산지 그림자 부분의 오분류가 다소 적은 것을 확인하였다. 향후 외부자료를 도입하면 비교적 정확성이 낮은 나지와 습지, 초지의 분류를 개선할 수 있을 것으로 생각되며, 이렇게 산정된 토지피복도는 접근이 불가능한 유역의 증발산 및 유출 등에 효과적으로 이용되어 신뢰성 있는 결과를 산출할 수 있을 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.