Journal of the Korea Institute of Information and Communication Engineering (한국정보통신학회논문지)

The Korea Institute of Information and Commucation Engineering (한국정보통신학회)
권호 표지
DOI QR코드

DOI QR Code

Development of Monitoring System for Forests Type Based on Web

Web 기반의 산림형태 모니터링시스템 개발

  • 김진수 (부경대학교 공과대학 공학연구원) ;
  • 서동주 (부경대학교 공과대학 공학연구원)
  • Published : 2008.02.29
Download PDF
⟨ Previous Next ⟩

Abstract

In recently, researches which appling satellite image are introduced target to the forest area. Especially, it is satellite image analysis's advantage that collecting information of terrain at the direct accesses are dangerous and impassible area. But, the studies approaching to a inflectional paradigm of forests and change detection system for the distinguished forests type are leaves much to be desired. In this study, therefore, change of forests type was analyzed using Landsat TM satellite image which have multi-spectral bands. Furthermore, change detection system for forests type was constructed on web for the periodical monitoring.

광범위한 지역의 주기적인 정보 획득이 가능한 인공위성 영상은 환경탐사분야에서 새로운 대안으로 받아들여지고 있으며, 산림 분석에서도 활용될 수 있다. 이러한 인공위성 영상을 활용한 우리나라의 산림식생을 고려한 연구 이외에, 산림형태의 구분을 통한 지속적인 관리시스템에 관한 연구는 아직 미흡한 실정이다. 본 연구에서는 Landsat TM 위성영상을 이용하여 산림을 형태별로 분류한 후, 촬영시기가 3년 뒤인 다른 영상에서 나타난 산림형태의 변화를 분석하고 지속적인 모니터링을 위한 변화 추적시스템의 적용을 제시하고자 한다. 이를 위해 식생분류에 유리한 다중분광센서를 탑재한 Landsat TM 위성영상을 이용하여 산림형태의 변화를 분석하고, 이를 Web 상에서 주기적으로 모니터링 할 수 있게 하였다.

Keywords

References

  1. 조명희, 조윤원, 위성영상기반 전자주제도 작성 및 관리시스템 개발 -산림행정업무지원서비스를 사례연구로-, 한국지리정보학회지 제9권 제1호, pp. 89-100, 2006
  2. Benediktsson, J.A., Swain, P.H., and Ersoy, O.K., Neural network approaches versus statistical methods in classification of multisource remote sensing data, IEEE Transaction on Geoscience and Remote Sensing, Vol.28, No.4, pp.540-552, 1990 https://doi.org/10.1109/TGRS.1990.572944
  3. Bischof, H., Schneider, W., and Pinz., A.J., Multi- spectral classification of LANDSAT images using neural networks. IEEE Transaction on Geoscience and Remote Sensing, Vol.30, No.3, pp.482-490, 1992 https://doi.org/10.1109/36.142926
  4. Kamata, S., and Kawaguchi, E., Application of neural network approach to classify multi- temporal LANDSAT images, IGRASS93, pp.716 -718, 1993
  5. Foschi, P.G., and Smith, D.K., Detecting subpixel woody vegetation in digital imagery using two artificial intelligence approaches, PE&RS, Vol.63, No.5, pp.493-500, 1997
  6. 이병걸, 강인준, 원격탐사기법을 이용한 제주도와 주변 해양 식생분류기법에 관한 연구, 제주대학교 해양연구논문집, Vol.23, pp.151-159, 1999
  7. 이승희, 인공위성 영상자료를 이용한 식생분류 정확도 검증, 서울시립대학교, 석사학위논문, pp.56- 59, 2003
  8. Janssen, L.L.F., and Huurneman, G.C., Principles of Remote Sensing, ITC Education Textbooks Series; 2, Second Edition, 2002