http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
심층신경망 모델을 이용한 고해상도 KOMPSAT-3 위성영상 기반 토지피복분류
문갑수 ( Gab-su Moon ),김경섭 ( Kyoung-seop Kim ),정윤재 ( Yun-jae Choung ) 한국지리정보학회 2020 한국지리정보학회지 Vol.23 No.3
원격탐사 분야에서 토지피복분류에는 머신러닝 기반의 SVM 모델이 대표적으로 활용되고 있는 한편, 신경망 모델을 이용한 연구도 지속적으로 수행되고 있다. 다목적실용위성의 고해상도 영상을 이용한 연구는 미흡한 실정이며, 따라서 본 연구에서는 고해상도 KOMPSAT-3 위성영상을 이용하여 신경망 모델의 토지피복분류 정확도를 평가하고자 하였다. 경주시 인근 해안지역의 위성영상을 취득하여 훈련자료를 제작하고, 물과 식생 및 육지의 세 항목에 대해 SVM, ANN 및 DNN 모델로 토지피복을 분류하였다. 분류 결과의 정확도를 오차 행렬을 통해 정량적으로 평가한 결과 DNN 모델을 활용한 토지피복분류가 92.0%의 정확도로 가장 우수한 결과를 나타냈다. 향후 다중시기의 위성영상을 통해 훈련자료를 보완하고, 다양한 항목에 대한 분류를 수행 및 검증한다면 연구의 신뢰성을 높일 수 있을 것으로 판단된다. In Remote Sensing, a machine learning based SVM model is typically utilized for land cover classification. And study using neural network models is also being carried out continuously. But study using high-resolution imagery of KOMPSAT is insufficient. Therefore, the purpose of this study is to assess the accuracy of land cover classification by neural network models using high-resolution KOMPSAT-3 satellite imagery. After acquiring satellite imagery of coastal areas near Gyeongju City, training data were produced. And land cover was classified with the SVM, ANN and DNN models for the three items of water, vegetation and land. Then, the accuracy of the classification results was quantitatively assessed through error matrix: the result using DNN model showed the best with 92.0% accuracy. It is necessary to supplement the training data through future multi-temporal satellite imagery, and to carry out classifications for various items.
다중시기 Sentinel-2 위성영상과 일강수량 자료를 활용한 집중호우 전후의 토지피복별 원격탐사지수 변화 분석
김경섭 ( Kyoung-seop Kim ),문갑수 ( Gab-su Moon ),정윤재 ( Yun-jae Choung ) 한국지리정보학회 2020 한국지리정보학회지 Vol.23 No.2
최근 도시홍수에 의해 많은 피해가 발생하고 있으며, 단시간에 국지적으로 발생하는 집중호우가 1차 원인으로 꼽히고 있다. 도시홍수의 피해는 도시지역 내 물수지의 변화로 규명하고 있으며, 이를 간접적으로 파악하기 위해 일강수량 자료와 다중시기 Sentinel-2 위성영상을 활용해 집중호우 전후의 토지피복별 원격탐사지수 변화를 분석하였다. 일강수량 자료를 바탕으로 호우주의보 및 경보의 사례를 선정하였고, 해당 기간의 Sentinel-2 위성영상을 취득해 이를 기상청 서울관측소 기준 반경 1,000m 범위의 정규식생지수(NDVI), 정규수분지수(NDWI) 및 정규습윤지수(NDMI) 영상을 토지피복별로 제작하여 통계적 변화를 비교하였다. 각 영상을 구성하고 있는 픽셀의 최댓값, 최솟값, 평균 및 그 증감을 분석한 결과, 집중호우 전후 도시지역 원격탐사지수에 유의미한 변화가 발생한 것으로 보기는 힘들다고 판단하였다. Recently, a lot of damages have been caused by urban flooding, and heavy rainfall that temporarily occur are the main causes of these phenomenons. The damages caused by urban flooding are identified as the change in the water balance in urban areas. To indirectly identify it, this research analyzed the change in the remote sensing indices on each land cover before and after heavy rainfall by utilizing daily precipitation data and multi-temporal Sentinel-2 satellite imagery. Cases of heavy rain advisory and warning were selected based on the daily precipitation data. And statistical fluctuation were compared by acquiring Sentinel-2 satellite images during the corresponding period and producing them as NDVI, NDWI and NDMI images about each land cover with a radius of 1,000 m based on the Seoul Weather Station. As a result of analyzing the maximum value, minimum value, mean and fluctuation of the pixels that were calculated in each remote sensing index image, there was no significant changes in the remote sensing indices in urban areas before and after heavy rainfall.