[국가R&D연구보고서]LANDSAT(MSS,TM)Data를 이용한 서울시의 토지이용정보의 추출에 관한 연구 A Study on the Extraction of Land-use Information in Seoul City Using LANDSAT(MSS,TM)Data원문보기
보고서 정보
주관연구기관
서울대학교 Seoul National University
연구책임자
안철호
참여연구자
윤정섭
,
안기원
발행국가
대한민국
언어
한국어
발행년월
1989-05
주관부처
과학기술부
과제관리전문기관
서울대학교 Seoul National University
등록번호
TRKO200200015802
DB 구축일자
2013-04-18
키워드
LANDSAT.MSS. Multi Spectral Scanner.TM. Thenatic Mappert.토지이용분류.경년변화.인공위성.MLC.센서.LANDSAT.MSS.TM.Sensor.Land-Use Land Cover Classification & Change Detection.MLC.Maximum Likelihood Classifier.
초록▼
인공위성 데이타 정보의 응용분야는 여러가지가 있으나, 본 연구에서는 LANDSAT MSS 데이타와 TM 데이타를 처리 분석하여 서울시 토지이용정보를 경년 변화에 따라 추출하고자 하였다. 사용 데이타는 MSS (72,79,81,83년), TM (85년)이며 입수된 데이타를 전처리를 통해 기하보정, 디지타이징(행정구역에 따라)등을 하고, 유효 Band 선정 및 Filtering 을 통하여 정확도를 높인 후 MLC(Maxinum Likelihood Classififier)로 토지이용분류를 실시하였다. 토지이용분류시 Trainin
인공위성 데이타 정보의 응용분야는 여러가지가 있으나, 본 연구에서는 LANDSAT MSS 데이타와 TM 데이타를 처리 분석하여 서울시 토지이용정보를 경년 변화에 따라 추출하고자 하였다. 사용 데이타는 MSS (72,79,81,83년), TM (85년)이며 입수된 데이타를 전처리를 통해 기하보정, 디지타이징(행정구역에 따라)등을 하고, 유효 Band 선정 및 Filtering 을 통하여 정확도를 높인 후 MLC(Maxinum Likelihood Classififier)로 토지이용분류를 실시하였다. 토지이용분류시 Training Field 선정 자료로는 현지조사 자료, 지형도, 항공사진을 참조하였고 분류결과의 정확도는 각각 그 당시의 통계자료를 토대로 하여 비교해 보았다. 분석 결과, 서울시의 도시 지역은 72년 (25.3%) 81년 (43.0%) 85년 (51.9%)로 증가되었고 이에 대해 삼림은 72년 (39.0%)에서 85년 (28.4%)로 점차 감소되고 있었다. 이상과 같은 토지이용 경년 변화를 추출함으로써 도시의 토지 이용 상황 Monitoring애는 반복 주기를 가지는 인공위성 데이타의 활용이 경제적이며 효과적임을 알 수 있었다.
Abstract▼
In this study, we tried to extract the land-use information of Seoul city using the mulfiple date images of the same geographic area. Multiple date image set is MSS ('72, '79, '81, '83) and TM ('85), and we carried out geometric correction, digitizing (due to the administrative boundary) in pre-proc
In this study, we tried to extract the land-use information of Seoul city using the mulfiple date images of the same geographic area. Multiple date image set is MSS ('72, '79, '81, '83) and TM ('85), and we carried out geometric correction, digitizing (due to the administrative boundary) in pre-processing process. In addition, we performed land-use classification with MLC (Maximum Likelihood Classifier) after improving the predictive accuracy of classification by filtering technique. At the stage of classification, ground truth data, topographic maps, aerial photographs were used to select the training field and statistical data of that time were compared with the classification result to prove the accuracy. As a result, urban area in Seoul has been increased ('72:25.3% → '81:43.0% →'85:51.9%) and Forest area decreased ('72:39.0% →'85:28.4%) as we estimated. Finally, it is concluded that the utilzation of satellite inagery is very effective, economical and helpful in the urban land-use/land-cover nonitoring.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.