U-Net 기반 딥러닝 모델을 이용한 다중시기 계절학적 토지피복 분류 정확도 분석 - 서울지역을 중심으로 -Accuracy analysis of Multi-series Phenological Landcover Classification Using U-Net-based Deep Learning Model – Focusing on the Seoul, Republic of Korea –
- Other Titles
- Accuracy analysis of Multi-series Phenological Landcover Classification Using U-Net-based Deep Learning Model – Focusing on the Seoul, Republic of Korea –
- Authors
- 김준; 송용호; 이우균
- Issue Date
- 2021
- Publisher
- 대한원격탐사학회
- Keywords
- Classification; Deep Learning; Multi Series; Vegetation Phenology
- Citation
- 대한원격탐사학회지, v.37, no.3, pp 409 - 418
- Pages
- 10
- Indexed
- SCOPUS
ESCI
KCI
- Journal Title
- 대한원격탐사학회지
- Volume
- 37
- Number
- 3
- Start Page
- 409
- End Page
- 418
- URI
- https://scholar.korea.ac.kr/handle/2021.sw.korea/138008
- DOI
- 10.7780/kjrs.2021.37.3.4
- ISSN
- 1225-6161
2287-9307
- Abstract
- 토지피복도는 국토정책, 환경정책을 위한 의사결정 근거 자료로 활용되는 매우 중요한 자료이다. 토지피복도는 원격탐사 자료를 활용하여 제작되는데, 이때 사용되는 데이터의 취득 시기에 따라 동일한 지역을 대상으로 하더라도 분류 결과가 달라질 수 있다. 본 연구에서는 단시기 데이터의 분류 정확도를 개선하기 위해다중시기 위성영상을 활용하였으며 계절에 따른 지표면의 분광 반사 특성 차이를 딥러닝 알고리즘의 하나인U-Net 모델에 학습시켜 분류하였다. 또한 단시기 분류 결과와 정확도 비교를 통해 분류 정확도의 향상 정도를비교하였다. 구역 내에 30%의 녹지와 한강을 포함하여 다양한 토지피복으로 이루어진 서울특별시를 연구대상지로 설정하고 2020년 분기별 Sentinel-2 위성영상을 산출하였다. 대한민국 환경부에서 작성한 세분류 토지피복도를 활용하여 U-Net 모델을 학습시켰다. 학습한 U-Net 모델을 통해 단시기, 2시기, 3시기, 4시기로 모델을 학습하여 분류한 결과, 단시기를 제외하고 토지피복도 분류 정확도 확보기준인 75%를 상회하는 81%, 82% 79%의 정확도를 나타냈다. 이를 통해 다중 시계열 학습을 통해 토지피복의 분류 정확도 향상이 가능하다는 것을 확인하였다.
- Files in This Item
- There are no files associated with this item.
- Appears in
Collections - College of Life Sciences and Biotechnology > ETC > 1. Journal Articles

Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.