earticle

영어

Satellite image classification is one of the useful methodologies for land-cover (land-use) map generation. But prevailing supervised classification results vary according to training areas and classifiers. Meanwhile, vegetation indices originally developed for testing vital degree of vegetations are modified up to 20 kinds and NDBI (Normalized Difference Built-up Index), NDVI (Normalized Difference Vegetation Index) and MNDWI (Modified Difference Water Index) are suitable for detecting built-up area, vegetation area, and water area respectively. In this research, Landsat TM satellite images are transformed into 3 bands generated using NDBI, NDVI and MNDWI equation and then unsupervised classification method is used in classification. The proposed method can conveniently classify the image because the method doesn't require training area selection and statistical assumptions. Accuracy differences using reference data are about 2%. Because the proposed method does not need statistical requirements such as sample distribution and class divergence and is quite simple, it will be useful in built-up area extraction.

한국어

위성 영상을 이용하여 지역을 분류하는 것은 토지피복(이용)을 파악할 수 있는 효율적인 방법 중 하나이다. 하지만 위성 영상 분류 방법 중 가장 널리 사용되는 감독분류방법은 훈련지역의 선정 및 분류자(classifier)에 따라 그 결과가 상이하고 통계적인 전제조건 또한 고려하여야 한다. 한편, 식생의 활력도 등을 파악하기 위해 사용되는 식생 지수는 20여 종에 이르는 다양한 식이 존재하며 이 중에는 도시화지역, 식생지역, 수계지역을 추출하기 적합한 NDBI(Normalized Difference Built-up Index), NDVI(Normalized Difference Vegetation Index), MNDWI(Modified Normalized Difference Water Index) 등이 존재한다. 따라서 본 연구에서는 이런 식생지수를 이용하여 Landsat TM 위성영상을 도시화지역, 식생지역, 수계지역이 잘 나타나는 3개의 지수 영상으로 재구성하고 이에 대한 무감독 분류를 실시하여 위성영상을 3가지 지역으로 구분하였다. 연구결과 식생지수 결합방법은 감독분류 방법에 비해 훈련지역의 선정과정이 없으므로 훨씬 수월하게 지역을 부분할 수 있었다. 또한 기준 데이터를 사용한 정확도 평가에 있어서도 두 방법 간 정확도 차가 ±2% 내에 지나지 않았다. 본 연구에서 제시한 방법은 분류에 비해 훈련지역의 표본 분포나 분류항목 간 분리도 등에 대한 통계적인 지식을 필요로 하지 않을 뿐만 아니라 방법적으로도 간편하여 효과적으로 도시지역 추출에 사용될 수 있으리라 생각된다.