DOI QR코드

DOI QR Code

A Study on Utilizing 1:1,000 Digital Topographic Data for Urban Landuse Classification

도시지역 토지이용분류를 위한 1:1,000 수치지형도 활용에 관한 연구

  • 민숙주 (국토연구원 GIS연구센터) ;
  • 김계현 (인하대학교 지리정보공학과)
  • Received : 2005.07.26
  • Accepted : 2005.11.11
  • Published : 2006.01.31

Abstract

Existing method of landuse classification using aerial photographs or field survey requires relatively higher amount of time and cost due to necessary manual work. Especially in urban area where the pattern of landuse is densely aggregated, a landuse classification using satellite image is more complex. In this background, this study proposes a landuse classification method to utilize 1:1,000 digital topographic data and IKONOS satellite image. To prove the possibility of this method, the method was applied to Seoul metropolitan area. The results shows the total accuracy of approximately 95% and 14 landuse classes extracted. Based on the results from the pilot study, this method is applicable to landuse classification in urban area.

기존의 토지이용 분류방법은 현장조사에 의존하거나 항공사진 판독기법을 사용하므로 상대적으로 시간과 비용의 소요가 큰 편이다. 특히나 도시지역은 토지이용이 복잡하고 집약적이므로 위성영상을 활용해 분류하는데 한계가 있는 실정이다. 이러한 배경에서 본 연구에서는 1:1,000 수치지형도와 IKONOS 위성영상을 혼합 활용하는 토지이용 분류기법을 제기하였다. 본 연구에서 제기한 분류기법의 활용가능성을 파악하기 위하여 서울시 일부지역을 대상으로 실험분석을 수행하였으며, 그 결과 95%의 전체정확도와 14개의 토지이용 항목이 분류되었다. 실험분석의 결과로 미루어 본 연구에서 제기한 분류기법은 도시지역 토지이용분류에 적용 가능한 것으로 판단된다.

Keywords

References

  1. 국토연구원 (2002) 원격탐사와 GIS 연계활용방안 연구-IKONOS영상을 이용한 도시지역 분석을 중심으로-
  2. 국토지리정보원(2003) 1: 1,000 수치지형도 레이어 코드
  3. 국토지리정보원(1999) 98 주제도 시범 제작사업-토지이용현황도 및 도로망도-
  4. 국토지리정보원(1995) 수치지도작성 작업내규
  5. 서울특별시(2000) 도시생태 개념의 도시계획에의 적용을 위한 서울시 비오톱 현황조사 및 생태도시 조성지침 수립
  6. 양인태, 김홍규, 신계종 (1999) 퍼지집합 이론을 이용한 Landsat TM 영상의 감독분류 정확도 향상, 대한토목학회논문집, 대한 토목학회, 제19권 제3호, pp. 445-455. 산업경제연구, Vol 7, No.1, pp. 47-78
  7. 어양담(1999) 위성영상분류를 위한 트레이닝 정규화 알고리즘과 클래스 분리도 정확도 측정기법의 개발, 박사학위논문, 서울대학교
  8. 통계청 (2002) 통계구 관련 회의집
  9. 환경부(2002) 인공위성영상자료를 이용한 토지피복지도 구축
  10. Brown, J., T. Loveland, D. Ohlen, and Z. Zhu (1999) The global land-cover characteristics data-base: The users' perspective, Photogrammetric Engineering and Remote Sensing, Vol. 65, pp. 1069-1074
  11. Galanda, M. (2003) Automated Polygon Generalization in a Multi Agent System, Ph. D. Dissertation, University Zurich
  12. Gamba, P., and B. Houshmand (2001) An efficient neural classification chain of SAR and optical urban images, International Journal of Remote sensing, Vol. 22, No.8, pp. 1535-1553 https://doi.org/10.1080/01431160118746
  13. Hung, M. C., and M. K. Ridd (2002) A subpixel classifier for urban land-cover mapping based on a maximum-likelihood approach and expert system rules. Photogrammetric Engineering ana Remote Sensing, Vol. 68, No. 11, pp. 1173-1180
  14. Kiema, J. B. K. (2002) Texture analysis and data fusion in the extraction of topographic objects from satellite imagery', International Journal of Remote sensing, Vol. 21, No.9, pp. 1807-1823 https://doi.org/10.1080/014311600209751
  15. Kontos, C. C., V. Raptis, M. Lautner, and R. Obserstadler (2000) The potential of kernel classification techniques for land use mapping in urban areas using 5m-spatial resolution IRS-1C imagery, International Journal of Remote sensing, Vol. 21, No. 16, pp. 3145-3151 https://doi.org/10.1080/01431160050145027
  16. Shaban, M. A., and O. Dikshit (2001) Improvement of classification in urban areas by the use of textural features: the case study of Lucknow city, Uttar Pradesh, International Journal of Remote Sensing, Vol. 22, No.4, pp. 565-593 https://doi.org/10.1080/01431160050505865
  17. USGS (1999) High-resolution land use and land cover mapping, Fact sheet 189-99
  18. Austin city website: www.ci.austin.tx.us
  19. USGS website: www.usgw.gov