농촌지역 토지피복분류를 위한 객체기반 영상분석기법 연구

Abstract

지구온난화와 함께 홍수와 가뭄 등 기후변화에 대비하기 위해서는 경지현황에 대한 신속하고 정확한 정보를 바탕으로 농업생산량을 효율적으로 관리, 예측, 대비하는 것이 필요하다. 본 연구는 시 도 규모 이상의 넓은 지역을 대상으로 농촌지역 토지피복도 제작을 지원할 수 있는 영상분류 알고리즘 개발을 목표로 객체기반 영상분석기법의 활용가능성과 한계를 검토해 보았다. 추가적인 공간자료의 사용이 최소화된 상태에서 다중시기 RapidEye 위성영상의 분광정보 활용가능성을 테스트해 보고자 하였으며, 사례연구지인 김제지역 일대(<TEX>$1,300km^2$</TEX>)에 대한 토지피복 분류 정확도는 80.3%로 양호하게 나타났다. 분석에 사용된 RapidEye의 6.5m 공간해상도는 대체로 작은 규모로 경작되는 우리나라 경지의 공간적 특성 추출이 가능하다는 것을 보여주었으며, 객체기반의 영상분석 기법은 분석가의 전문지식을 분류과정에서 다양한 방법으로 구현해냄으로써 영상정보 활용의 최적화를 꾀할 수 있음을 보여주었다. 또한, 기개발된 영상분류 알고리즘을 저장하고, 분석목적에 맞게 세부 변수들을 조정하여 다른 지역 또는 다른 영상에 응용할 수 있다는 장점이 있다. 하지만, 객체기반 영상분류의 근간이 되는 영상분할 과정은 정량적으로 명확히 설명되지 않는 경우가 많아 분석자의 경험과 전문지식을 바탕으로 최선의 결과를 도출하는 것이 요구된다. It is necessary to manage, forecast and prepare agricultural production based on accurate and up-to-date information in order to cope with the climate change and its impacts such as global warming, floods and droughts. This study examined the applicability as well as challenges of the object-based image analysis method for developing a land cover image classification algorithm, which can support the fast thematic mapping of wide agricultural areas on a regional scale. In order to test the applicability of RapidEye's multi-temporal spectral information for differentiating agricultural land cover types, the integration of other GIS data was minimized. Under this circumstance, the land cover classification accuracy at the study area of Kimje (<TEX>$1300km^2$</TEX>) was 80.3%. The geometric resolution of RapidEye, 6.5m showed the possibility to derive the spatial features of agricultural land use generally cultivated on a small scale in Korea. The object-based image analysis method can realize the expert knowledge in various ways during the classification process, so that the application of spectral image information can be optimized. An additional advantage is that the already developed classification algorithm can be stored, edited with variables in detail with regard to analytical purpose, and may be applied to other images as well as other regions. However, the segmentation process, which is fundamental for the object-based image classification, often cannot be explained quantitatively. Therefore, it is necessary to draw the best results based on expert's empirical and scientific knowledge.