KR102214360B1 - Land-cover Change prediction Method Using Regional Land-use Change Expected Values - Google Patents
Land-cover Change prediction Method Using Regional Land-use Change Expected Values Download PDFInfo
- Publication number
- KR102214360B1 KR102214360B1 KR1020190061964A KR20190061964A KR102214360B1 KR 102214360 B1 KR102214360 B1 KR 102214360B1 KR 1020190061964 A KR1020190061964 A KR 1020190061964A KR 20190061964 A KR20190061964 A KR 20190061964A KR 102214360 B1 KR102214360 B1 KR 102214360B1
- Authority
- KR
- South Korea
- Prior art keywords
- terrain
- change
- land cover
- distribution function
- deriving
- Prior art date
Links
- 230000008859 change Effects 0.000 title claims abstract description 199
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000005315 distribution function Methods 0.000 claims description 123
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000009795 derivation Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 26
- 230000008569 process Effects 0.000 description 11
- 238000012545 processing Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012876 topography Methods 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/269—Analysis of motion using gradient-based methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Educational Administration (AREA)
- Algebra (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
본 발명은 지역적 토지피복 변화 기댓값을 이용한 격자 단위 토지피복 변화 추정 방법에 관한 것으로, 더욱 상세하게는 토지를 기설정된 크기의 지형픽셀로 구분하고, 상기 지형픽셀을 행정구역과 같은 기설정된 지역으로 구분하여, 과거의 지형픽셀의 지형 타입 및 지형특성에 대한 정보에 기초하여 예측시기의 토지피복 변화를 추정하여 토지피복도를 생성하는 지역적 토지피복 변화 기댓값을 이용한 격자 단위 토지피복 변화 추정 방법에 관한 것이다.The present invention relates to a method for estimating land cover change in a grid unit using an expected value of regional land cover change, and more particularly, the land is divided into terrain pixels of a preset size, and the terrain pixels are divided into preset areas such as administrative districts. Thus, the present invention relates to a method for estimating land cover change in grid units using an expected value of regional land cover change that generates a land cover map by estimating the land cover change at the time of prediction based on information on the terrain type and terrain characteristics of past terrain pixels.
Description
본 발명은 지역적 토지피복 변화 기댓값을 이용한 격자 단위 토지피복 변화 추정 방법에 관한 것으로, 더욱 상세하게는 토지를 기설정된 크기의 지형픽셀로 구분하고, 상기 지형픽셀을 행정구역과 같은 기설정된 지역으로 구분하여, 과거의 지형픽셀의 지형 타입 및 지형특성에 대한 정보에 기초하여 예측시기의 토지피복 변화를 추정하여 토지피복도를 생성하는 지역적 토지피복 변화 기댓값을 이용한 격자 단위 토지피복 변화 추정 방법에 관한 것이다.The present invention relates to a method for estimating land cover change in a grid unit using an expected value of regional land cover change, and more particularly, the land is divided into terrain pixels of a preset size, and the terrain pixels are divided into preset areas such as administrative districts. Thus, the present invention relates to a method for estimating land cover change in grid units using an expected value of regional land cover change that generates a land cover map by estimating the land cover change at the time of prediction based on information on the terrain type and terrain characteristics of past terrain pixels.
지표경관의 변화는 인간 활동에 다양한 영향을 미치는 중요한 요인이므로 이것을 잘 감지하고, 이를 통해 적절한 지역개발 계획을 수립하는 것은 국토관리 측면에서 매우 중요하다. 토지피복 변화 탐지의 중요성이 증대되는 만큼 토지피복 변화의 예측 정확도를 향상시키고자 하는 연구는 국토관리 계획 수립, 공간구조 형성과 확산 등의 연구 신뢰도 향상에 기여한다는 점에서 의미가 있다.Changes in surface landscape are important factors that have various effects on human activities, so it is very important to detect them well and to establish an appropriate regional development plan through them in terms of land management. As the importance of detecting changes in land cover increases, research aimed at improving the accuracy of prediction of changes in land cover is meaningful in that it contributes to improving the reliability of research such as establishment of land management plans and formation and spread of spatial structures.
토지피복 변화 예측 모델에는 공간적 상호작용 모델과 에이전트 모델 등이 있다. 개인의 행동 모델링을 기반으로 하는 에이전트 모델은 도시의 확장 및 내부 구조 변화 등 미시적인 토지피복 변화 예측에서 주로 활용된다(Rui, 2013; Li and Gong, 2016). 반면 Cellular Automata(CA), CA-Markov, RFF(Relative Favorability Function, 상대선호도함수) 모델과 같이 지리적 요인들의 공간적 상호작용에 기반 하는 모델들은 격자 단위의 시·공간적인 변화 추정 연구에 활용된다. 이 모델들은 도시뿐만 아니라 산림과 농경지 등 다양한 유형의 토지피복 변화를 추정할 수 있기 때문에 다양한 지리학적 연구에 활용되고 있다(우태훈, 2002; 조대헌, 2008; 윤정미와 박정우, 2008; 조자영과 장동호, 2014).Land cover change prediction models include spatial interaction models and agent models. Agent models based on individual behavioral modeling are mainly used in predicting microscopic land cover changes such as urban expansion and internal structure changes (Rui, 2013; Li and Gong, 2016). On the other hand, models based on spatial interaction of geographic factors, such as Cellular Automata (CA), CA-Markov, and RFF (Relative Favorability Function, Relative Favorability Function) models, are used for the study of spatial and temporal changes in grid units. These models are used in various geographic studies because they can estimate changes in land cover of various types such as forests and agricultural lands as well as cities (Taehoon Woo, 2002; Daeheon Cho, 2008; Jeongmi Yoon and Jungwoo Park, 2008; Jayoung Jo and Dongho Jang, 2014) .
공간적 상호작용을 기반으로 하는 토지피복 변화 모델에는 CA, Markov Chain, CA-Markov, CLUE, SLEUTH, 그리고 RFF 모델 등이 있다. CA모형은 사물의 동적 형태를 모델링 하는 한 방법으로 이산적인 시공간(discrete time and space)에 기반한 비선형 동적 모델로 정의된다(Gutowitz, 1991). 일정한 전이규칙에 따라 다음상태로 변환되는 연산을 반복적으로 실행하는 원리를 이용하여 모델링 하는 것이다. CA모델의 셀 공간은 GIS의 래스터 데이터 구조와 유사하게 설정되어 있으며, 지리학 분야에서 Tobler에 의해 처음 소개되었다. 시공간 분석이 가능하며, 복잡한 도시현상을 시뮬레이션 하기에 유용하나, 도시공간의 확산을 지나치게 단순화한다는 한계점이 있다.Land cover change models based on spatial interaction include CA, Markov Chain, CA-Markov, CLUE, SLEUTH, and RFF models. The CA model is defined as a nonlinear dynamic model based on discrete time and space as a method of modeling the dynamic shape of objects (Gutowitz, 1991). It is modeled using the principle of repeatedly executing an operation that is converted to the next state according to a certain transition rule. The cell space of the CA model is set up similar to the raster data structure of GIS, and was first introduced by Tobler in the field of geography. Space-time analysis is possible and is useful for simulating complex urban phenomena, but has a limitation in oversimplifying the diffusion of urban space.
Markov Chain모형은 어떤 변수들이 가지고 있는 과거의 동적 특성을 분석함으로써 그 변수들의 미래에 있을 변화를 연속적으로 예측하기 위한 수학적 기법이다(김성준, 2007). 바로 이전 단계의 시스템 상태에 의해서만 현재의 시스템 상태가 영향을 받고 그 이전의 상태에 의해서는 전혀 영향을 받지 않는 확률과정을 가정한다. Markov Chain모형은 수치영상 또는 격자 기반의 GIS 데이터로부터 쉽게 계산되며, 현재 토지이용의 변화된 경향을 잘 예측한다. 그러나 시간의 변화와 관계없이 전이 확률이 항상 일정하고 모든 위치에 동일하게 적용되는데 이는 실제적인 토지 피복변화의 경향을 파악하기 힘들며, 급격한 변화폭을 가지는 공간자료의 처리에는 어려움이 따른다.The Markov Chain model is a mathematical technique for continuously predicting changes in the future of certain variables by analyzing the dynamic characteristics of the past (Kim, 2007). It is assumed that the current system state is affected only by the state of the system in the previous stage, and the probability process is not affected by the state before that. The Markov Chain model is easily calculated from digital images or grid-based GIS data, and it predicts the changed trends of current land use well. However, regardless of the change of time, the probability of transition is always constant and is applied equally to all locations, which makes it difficult to grasp the trend of actual land cover change, and it is difficult to process spatial data having a sudden change.
SLEUTH(Slope Land use Excluded Urban Transportation Hill shade)모형은 미국 캘리포니아 산타바바라 주립대학의 Clarke 교수가 개발한 도시성장 모델(Clarke Cellular Automaton Urban Growth Model)을 개선한 모형이다. 발산(Dispersion), 번식(Breed), 확산(Spread), 경사저항(Slope), 도로인력(Road gravity)의 다섯 가지 파라미터를 포함하며 이는 4가지 유형의 전이 규칙을 결정한다. 도시지역/비 도시지역으로 도시성장을 모의하는 UGM과 좀 더 다양한 토지피복 변화를 모의할 수 있는 Deltatron 모델 이 두 가지 모델로 구성되어 있다.The SLEUTH (Slope Land use Excluded Urban Transportation Hill shade) model is an improved model of the Clarke Cellular Automaton Urban Growth Model developed by Professor Clarke of Santa Barbara State University in California. It includes five parameters: Dispersion, Breed, Spread, Slope, and Road gravity, which determine the four types of transition rules. It consists of two models: UGM, which simulates urban growth into urban/non-urban areas, and Deltatron model, which can simulate more diverse land cover changes.
CLUE는 토지이용과 토지이용의 변화요소(driving factor) 간 경험적 정량화를 이용한 토지이용 변화와 토지이용 간 동적 모델링을 모의한다. CLUE는 연구지역의 스케일을 대륙 또는 국가 정도 수준을 고려할 수 있지만, 작은 스케일의 지역 단위에 바로 적용을 못하는 제한점을 가지고 있다. CLUE-s는 이러한 연구스케일의 제한점을 개선한 방법이다. 눈에 보이지 않는 거시적인 LUCC 기저요인(underlying driving forces)과 공간적으로 명료하게 표출이 가능한 동인(spatially explicit drivers)을 동시에 고려할 수 있으며, 다양한 수준의 공간스케일과 공간해상도도 고려할 수 있다. 그러나 비공간적 모형을 제외한 공간적 모듈만 사용자 인터페이스로 제공하기 때문에 비공간적 모듈에 필요한 자료와 결과는 사용자가 직접 작성해야 한다.CLUE simulates land use change and dynamic modeling between land use using empirical quantification between land use and driving factors. CLUE can consider the scale of the study area at the level of continental or national level, but it has a limitation that it cannot be applied directly to a small scale area unit. CLUE-s is a way to improve the limitations of this research scale. Invisible macroscopic LUCC underlying driving forces and spatially explicit drivers can be simultaneously considered, and various levels of spatial scale and spatial resolution can be considered. However, since only spatial modules excluding non-spatial models are provided as a user interface, users must create data and results required for non-spatial modules.
토지피복 변화량과 변화 양상은 지역 마다 다르게 나타나고 전국 규모에서는 지방자치단체별로 매우 상이하다. 따라서 모델의 적용 과정에서 지방자치단체별로 분할하여 분석하고 이를 다시 통합하는 복잡한 과정을 거쳐야 한다. 분석 지역을 분할하지 않고, 광범위한 지역을 한 번에 추정했을 때의 문제점은 토지피복 변화 지점의 지역적 분산을 고려할 수 없기 때문에 토지피복 변화 지점의 과대 집중, 과대 분산 등이 야기될 수 있다. 하지만 이를 개선하기 위한 방법이 제공되지 못하고 있는 실정이다.The amount and pattern of change in land cover differs from region to region, and on the national scale, it is very different from local government to local government. Therefore, in the process of applying the model, it is necessary to go through a complex process of dividing and analyzing by local governments and integrating them again. The problem of estimating a wide area at once without dividing the analysis area is that it is not possible to take into account the regional distribution of land cover change points, which can lead to over-concentration and over-dispersion of land cover change points. However, there is no way to improve this.
본 발명은 지역을 토지를 기설정된 크기의 지형픽셀로 구분하고, 상기 지형픽셀을 행정구역과 같은 기설정된 지역으로 구분하여, 과거의 지형픽셀의 지형 타입 및 지형특성에 대한 정보에 기초하여 예측시기의 토지피복 변화를 추정하여 토지피복도를 생성하는 지역적 토지피복 변화 기댓값을 이용한 격자 단위 토지피복 변화 추정 방법을 제공하는 것을 그 목적으로 한다.The present invention divides an area into a terrain pixel of a preset size, divides the terrain pixel into a preset area such as an administrative area, and predicts a timing based on information on the terrain type and terrain characteristics of the terrain pixel in the past. Its purpose is to provide a method of estimating the change of land cover in grid units using the expected value of regional land cover change to generate the land cover map.
상기와 같은 과제를 해결하기 위하여 본 발명은, 지역적 토지피복 변화 기댓값을 이용한 격자 단위 토지피복 변화 추정 방법으로서, 기설정된 크기의 격자로 구분하여 설정한 지형픽셀에 대하여 지형 타입의 변화 및 지형특성에 대한 분포함수를 도출하는 분포함수도출단계; 과거의 지형픽셀의 지형 타입 및 지형특성에 대한 정보를 포함하는 과거데이터에 기초하여 토지피복 변화 유형 별 예측변화량을 도출하는 변화량예측단계; 및 상기 분포함수 및 상기 변화량에 기초하여 토지피복 변화 유형 별 지형 타입의 변화가 발생할 지형픽셀을 도출하여 예측시기에서의 토지피복도를 생성하는 토지피복도예측단계; 를 포함하는, 토지피복 변화 추정 방법을 제공한다.In order to solve the above problems, the present invention is a method for estimating land cover change in a grid unit using an expected value of regional land cover change, and the change in terrain type and terrain characteristics for a terrain pixel set by dividing into a grid of a preset size. A distribution function deriving step of deriving a distribution function for the A change amount prediction step of deriving a predicted change amount for each land cover change type based on past data including information on the terrain type and terrain characteristics of the past terrain pixels; And a land cover map prediction step of generating a land cover map at the time of prediction by deriving a terrain pixel where a change in a terrain type for each land cover change type will occur based on the distribution function and the amount of change. It provides a method for estimating changes in land cover, including.
본 발명에서는, 상기 지형픽셀은, 기설정된 기준에 따라 각각 지역으로 구분되고, 상기 변화량예측단계 및 상기 토지피복도예측단계는, 상기 지역 구분에 따라 각각 수행될 수 있다.In the present invention, the terrain pixels are divided into regions according to a preset criterion, and the change amount prediction step and the land cover road prediction step may be performed respectively according to the region classification.
본 발명에서는, 상기 분포함수도출단계는, 과거의 지형픽셀의 지형 타입 및 지형특성에 대한 정보를 포함하는 과거데이터에 기초하여 토지피복 변화 유형 별 제1분포함수를 도출하는 제1분포함수도출단계; 및 상기 제1분포함수에 대한 정규화 및 단순화를 통해 도출되는 토지피복 변화 유형 별 제2분포함수를 도출하는 제2분포함수도출단계; 를 포함할 수 있다.In the present invention, the step of deriving the distribution function comprises: a first distribution function deriving step of deriving a first distribution function for each type of land cover change based on past data including information on the topographic type and topographic characteristics of the past topographic pixels. ; And a second distribution function deriving step of deriving a second distribution function for each type of land cover change derived through normalization and simplification of the first distribution function. It may include.
본 발명에서는, 상기 제2분포함수도출단계는, 지형특성 값이 최소값일 때의 상기 제1분포함수값 a; 상기 제1분포함수값이 최대값일 때의 상기 지형특성 값 b; 및 상기 제1분포함수값이 최소값일 때의 상기 지형특성 값 c; 세 개의 매개변수에 기초하여 제2분포함수를 도출할 수 있다.In the present invention, the step of deriving the second distribution function includes: the first distribution function value a when the terrain characteristic value is a minimum value; The terrain characteristic value b when the first distribution function value is a maximum value; And the terrain characteristic value c when the first distribution function value is a minimum value. The second distribution function can be derived based on the three parameters.
본 발명에서는, 상기 변화량예측단계는, 상기 과거데이터에 기초하여 토지피복 변화 유형 별 과거변화량을 도출하는 과거변화량도출단계; 및 상기 과거변화량에 기초하여 변화량추세를 도출하고, 상기 변화량추세에 기초하여 상기 예측시기에서의 예측변화량을 도출하는 예측변화량도출단계; 를 포함할 수 있다.In the present invention, the change amount prediction step includes: a past change amount deriving step of deriving a past change amount for each land cover change type based on the past data; And a predicted change amount deriving step of deriving a change amount trend based on the past change amount, and deriving a predicted change amount at the prediction period based on the change amount trend. It may include.
본 발명에서는, 상기 토지피복도예측단계는, 상기 지형픽셀 각각에 대해 상기 제2분포함수에 기초하여 스코어를 산정하는 픽셀스코어산출단계; 및 상기 스코어 및 상기 예측변화량에 기초하여 지형 타입이 변화 되는 지형픽셀을 도출하는 변화픽셀도출단계; 를 포함할 수 있다.In the present invention, the land coverage prediction step includes: a pixel score calculation step of calculating a score for each of the terrain pixels based on the second distribution function; And a change pixel deriving step of deriving a terrain pixel whose terrain type is changed based on the score and the predicted change amount. It may include.
본 발명에서는, 상기 픽셀스코어산출단계는, 상기 지형특성 별 상기 제2분포함수값에 가중치를 곱하여 합산한 res값 및 인접 지형픽셀 분석을 통해 도출되는 cc값에 기초하여 스코어를 산정할 수 있다.In the present invention, in the step of calculating the pixel score, the score may be calculated based on a res value obtained by multiplying the second distribution function value for each terrain feature by a weight and a cc value derived through analysis of adjacent terrain pixels.
본 발명에서는, 상기 변화픽셀도출단계는, 상기 예측변화량에 기초하여 지형 타입의 변화가 발생할 것으로 예측되는 임계값을 도출하는 임계값도출단계; 및 상기 임계값 이상의 스코어를 갖는 지형픽셀을 도출하는 픽셀선정단계; 를 포함 할 수 있다.In the present invention, the step of deriving a change pixel comprises: a threshold value deriving step of deriving a threshold value predicted that a change in a terrain type will occur based on the predicted change amount; And a pixel selection step of deriving a topographic pixel having a score equal to or greater than the threshold value. May contain.
본 발명의 일 실시예에 따르면, 과거 지형픽셀의 지형 타입 및 지형특성 데이터에 기초하여 지형 타입의 변화를 예측하는 효과를 발휘할 수 있다.According to an embodiment of the present invention, it is possible to achieve an effect of predicting a change in a terrain type based on the terrain type and terrain characteristic data of past terrain pixels.
본 발명의 일 실시예에 따르면, 과거데이터에 기초하여 제1분포함수를 도출하고, 상기 제1분포함수로부터 제2분포함수를 도출할 때, 매개변수를 설정하여 변환함으로써, 예측 모델의 정확성을 높이는 효과를 발휘할 수 있다.According to an embodiment of the present invention, when a first distribution function is derived based on past data and a second distribution function is derived from the first distribution function, a parameter is set and transformed to improve the accuracy of the prediction model. It can exert an effect of raising
본 발명의 일 실시예에 따르면, 지역 구분에 따라 토지피복 변화를 예측함으로써 더욱 정확한 예측이 가능한 효과를 발휘할 수 있다.According to an embodiment of the present invention, it is possible to achieve a more accurate prediction by predicting changes in land cover according to regional classification.
본 발명의 일 실시예에 따르면, 해당 지형픽셀의 정보뿐만 아니라, 인접 지형픽셀 분석을 통한 정보를 이용하여 지형 타입의 변화를 예측함으로써, 더욱 정확한 예측이 가능한 효과를 발휘할 수 있다.According to an embodiment of the present invention, by predicting a change in a terrain type using not only information of a corresponding terrain pixel, but also information through analysis of adjacent terrain pixels, it is possible to achieve an effect of enabling more accurate prediction.
도 1은 본 발명의 일 실시예에 따른 토지피복도추정모델의 동작을 개략적으로 도시하는 도면이다.
도 2는 본 발명의 일 실시예에 따른 지형픽셀과 상기 지형픽셀에 대한 데이터를 개략적으로 도시하는 도면이다.
도 3은 본 발명의 일 실시예에 따른 토지피복도를 도시하는 도면이다.
도 4는 본 발명의 일 실시예에 따른 지형특성을 도시하는 도면이다.
도 5는 본 발명의 일 실시예에 따른 토지피복도추정모델의 내부 구성을 개략적으로 도시하는 도면이다.
도 6은 본 발명의 일 실시예에 따른 분포함수도출부의 동작을 개략적으로 도시하는 도면이다.
도 7은 본 발명의 일 실시예에 따른 지형특성 별 제1분포함수를 도시하는 도면이다.
도 8은 본 발명의 일 실시예에 따라 제1분포함수로부터 제2분포함수를 도출한 결과를 도시하는 도면이다.
도 9는 본 발명의 일 실시예에 따른 제2분포함수의 도출 방법을 개략적으로 도시하는 도면이다.
도 10은 본 발명의 일 실시예에 따른 변화량예측부의 동작 과정을 개략적으로 도시하는 도면이다.
도 11은 본 발명의 일 실시예에 따라 변화량추세를 도출하는 방법을 개략적으로 도시하는 도면이다.
도 12는 본 발명의 일 실시예에 따른 토지피복도예측부의 동작 과정을 개략적으로 도시하는 도면이다.
도 13은 본 발명의 일 실시예에 따라 지형 타입이 변화 되는 지형픽셀을 도출하는 과정을 개략적으로 도시하는 도면이다.
도 14는 본 발명의 일 실시예에 따라 예측된 토지피복도 및 실제 토지피복도를 도시하는 도면이다.1 is a diagram schematically showing the operation of a land cover estimation model according to an embodiment of the present invention.
2 is a diagram schematically showing a terrain pixel and data on the terrain pixel according to an embodiment of the present invention.
3 is a view showing a land cover according to an embodiment of the present invention.
4 is a diagram showing topographic characteristics according to an embodiment of the present invention.
5 is a diagram schematically showing the internal configuration of a land cover estimation model according to an embodiment of the present invention.
6 is a diagram schematically illustrating an operation of a distribution function deriving unit according to an embodiment of the present invention.
7 is a diagram showing a first distribution function for each terrain characteristic according to an embodiment of the present invention.
8 is a diagram showing a result of deriving a second distribution function from a first distribution function according to an embodiment of the present invention.
9 is a diagram schematically showing a method of deriving a second distribution function according to an embodiment of the present invention.
10 is a diagram schematically showing an operation process of a variation predicting unit according to an embodiment of the present invention.
11 is a diagram schematically showing a method of deriving a trend of a change amount according to an embodiment of the present invention.
12 is a diagram schematically showing an operation process of a land cover road prediction unit according to an embodiment of the present invention.
13 is a diagram schematically illustrating a process of deriving a terrain pixel whose terrain type is changed according to an embodiment of the present invention.
14 is a diagram showing a predicted land cover map and an actual land cover map according to an embodiment of the present invention.
이하에서는, 다양한 실시예들 및/또는 양상들이 이제 도면들을 참조하여 개시된다. 하기 설명에서는 설명을 목적으로, 하나이상의 양상들의 전반적 이해를 돕기 위해 다수의 구체적인 세부사항들이 개시된다. 그러나, 이러한 양상(들)은 이러한 구체적인 세부사항들 없이도 실행될 수 있다는 점 또한 본 발명의 기술 분야에서 통상의 지식을 가진 자에게 인식될 수 있을 것이다. 이후의 기재 및 첨부된 도면들은 하나 이상의 양상들의 특정한 예시적인 양상들을 상세하게 기술한다. 하지만, 이러한 양상들은 예시적인 것이고 다양한 양상들의 원리들에서의 다양한 방법들 중 일부가 이용될 수 있으며, 기술되는 설명들은 그러한 양상들 및 그들의 균등물들을 모두 포함하고자 하는 의도이다.In the following, various embodiments and/or aspects are now disclosed with reference to the drawings. In the following description, for purposes of explanation, a number of specific details are disclosed to aid in an overall understanding of one or more aspects. However, it will also be appreciated by those of ordinary skill in the art that this aspect(s) may be practiced without these specific details. The following description and the annexed drawings set forth in detail certain illustrative aspects of one or more aspects. However, these aspects are exemplary and some of the various methods in the principles of the various aspects may be used, and the descriptions described are intended to include all such aspects and their equivalents.
또한, 다양한 양상들 및 특징들이 다수의 디바이스들, 컴포넌트들 및/또는 모듈들 등을 포함할 수 있는 시스템에 의하여 제시될 것이다. 다양한 시스템들이, 추가적인 장치들, 컴포넌트들 및/또는 모듈들 등을 포함할 수 있다는 점 그리고/또는 도면들과 관련하여 논의된 장치들, 컴포넌트들, 모듈들 등 전부를 포함하지 않을 수도 있다는 점 또한 이해되고 인식되어야 한다.Further, various aspects and features will be presented by a system that may include multiple devices, components and/or modules, and the like. It is also noted that various systems may include additional devices, components and/or modules, and/or may not include all of the devices, components, modules, etc. discussed in connection with the figures. It must be understood and recognized.
본 명세서에서 사용되는 "실시예", "예", "양상", "예시" 등은 기술되는 임의의 양상 또는 설계가 다른 양상 또는 설계들보다 양호하다거나, 이점이 있는 것으로 해석되지 않을 수도 있다. 아래에서 사용되는 용어들 '~부', '컴포넌트', '모듈', '시스템', '인터페이스' 등은 일반적으로 컴퓨터 관련 엔티티(computer-related entity)를 의미하며, 예를 들어, 하드웨어, 하드웨어와 소프트웨어의 조합, 소프트웨어를 의미할 수 있다.As used herein, “an embodiment,” “example,” “aspect,” “example,” and the like may not be construed as having any aspect or design described as being better or advantageous than other aspects or designs. . The terms'~part','component','module','system', and'interface' used below generally mean a computer-related entity, for example, hardware, hardware It can mean a combination of software and software, or software.
또한, "포함한다" 및/또는 "포함하는"이라는 용어는, 해당 특징 및/또는 구성요소가 존재함을 의미하지만, 하나이상의 다른 특징, 구성요소 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다.In addition, the terms "comprising" and/or "comprising" mean that the corresponding feature and/or element is present, but excludes the presence or addition of one or more other features, elements, and/or groups thereof. It should be understood as not.
또한, 제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.In addition, terms including ordinal numbers such as first and second may be used to describe various elements, but the elements are not limited by the terms. These terms are used only for the purpose of distinguishing one component from another component. For example, without departing from the scope of the present invention, a first element may be referred to as a second element, and similarly, a second element may be referred to as a first element. The term and/or includes a combination of a plurality of related listed items or any of a plurality of related listed items.
또한, 본 발명의 실시예들에서, 별도로 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 발명의 실시예에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.In addition, in the embodiments of the present invention, unless otherwise defined, all terms used herein including technical or scientific terms are commonly understood by those of ordinary skill in the art to which the present invention belongs. It has the same meaning as. Terms as defined in a commonly used dictionary should be interpreted as having a meaning consistent with the meaning in the context of the related technology, and unless explicitly defined in the embodiments of the present invention, an ideal or excessively formal meaning Is not interpreted as.
도 1은 본 발명의 일 실시예에 따른 토지피복도추정모델의 동작을 개략적으로 도시하는 도면이다.1 is a diagram schematically showing the operation of a land cover estimation model according to an embodiment of the present invention.
도 1을 참조하면 본 발명의 일 실시예에 따른 토지피복도추정모델(10)은 과거데이터(20) 및 예측대상데이터(30)를 입력 받아 예측결과데이터(40)를 도출한다. 상기 토지피복도추정모델(10)은 목표 예측 정보를 입력 받아 과거의 토지피복 정보에 기초하여 상기 목표 예측 정보에 대한 토지피복의 변화를 예측할 수 있다.Referring to FIG. 1, the land
상기 과거데이터(20)는 토지의 과거 피복정보를 포함한다. 본 발명의 일 실시예에서 상기 과거데이터(20)는 과거의 토지 지형 타입 및 지형에 대한 특성 정보가 시간에 따라 저장되어 있을 수 있다.The
상기 예측대상데이터(30)는 토지피복을 예측하기 위한 목표 예측 정보를 포함할 수 있다. 구체적으로 상기 예측대상데이터(30)는 예측대상지역 및 예측시기를 포함할 수 있다. 이와 같이 상기 토지피복도추정모델(10)은 예측대상지역 및 예측시기를 입력 받아 상기 예측대상지역의 예측시기에서의 토지피복, 즉 지형 타입에 대한 정보를 도출할 수 있다.The
상기 예측결과데이터(40)는 상기 토지피복도추정모델(10)에 의해 상기 과거데이터(20) 및 상기 예측대상데이터(30)로부토 도출한 예측 결과에 대한 정보를 포함한다. 본 발명의 일 실시예에 상기 예측결과데이터(40)는 상기 예측대상데이터(30)의 예측시기에서의 예측 변화가 반영되어 생성된 토지피복도를 포함할 수 있다.The
도 2는 본 발명의 일 실시예에 따른 지형픽셀과 상기 지형픽셀에 대한 데이터를 개략적으로 도시하는 도면이다.2 is a diagram schematically showing a terrain pixel and data on the terrain pixel according to an embodiment of the present invention.
도 2를 참조하면 본 발명의 일 실시예에서는 토지를 기설정된 크기의 격자로 구분하여 지형픽셀을 설정할 수 있다. 도 2에 도시된 실시예에서는 토지를 정사각형의 격자로 구분하여 지형픽셀을 설정하였다. 이와 같은 지형픽셀은 각각의 지형픽셀을 구분하기 위하여 식별부호를 부여할 수 있다. 도 2의 실시예에서는 좌측 상단에서부터 우측 하단으로 (1,1) 내지 (5,5)의 식별부호를 통해 좌표 형태로 지형픽셀을 구분하였다.Referring to FIG. 2, in an embodiment of the present invention, terrain pixels may be set by dividing land into a grid of a preset size. In the embodiment shown in FIG. 2, the terrain pixels are set by dividing the land into a square grid. Such a topographic pixel may be assigned an identification code to distinguish each topographic pixel. In the example of FIG. 2, topographic pixels are classified in the form of coordinates from the upper left to the lower right through the identification codes (1,1) to (5,5).
각각의 지형픽셀은 격자 내의 지형 타입과 특성을 수치화 한 지형특성을 상기 지형픽셀에 대한 데이터로 가질 수 있다. Each of the topographic pixels may have a topographic characteristic obtained by numerically converting a topographic type and characteristic within a grid as data for the topographic pixel.
상기 지형 타입은 예측 목표 및 과거데이터 등에 따라 다양하게 설정될 수 있다. 본 발명의 일 실시예에서 상기 지형 타입은 산림, 수변/습지, 농지, 나지/초지 및 도시 등의 타입을 포함할 수 있다. 이와 같은 지형 타입은 시간의 흐름에 따라 변화할 수 있다. 이와 같이 지형 타입의 변화에 따라 토지피복 변화 유형이 정하여진다. 예를 들어, 산림 타입이었던 지형픽셀의 경우 수변/습지, 농지, 나지/초지 및 도시로 변화할 수 있고, 수변/습지 타입이었던 지형픽셀의 경우 산림, 농지, 나지/초지 및 도시로 변화할 수 있다. 따라서 n개의 지형 타입이 존재하는 경우, 토지피복 변화 유형은 n x (n-1) 개가 존재할 수 있다. 따라서, 본 발명의 일 실시예 따른 토지피복 변화 추정 방법은 상기 n x (n-1) 개의 토지피복 변화 유형에 기초하여 토지피복 변화를 예측할 수 있다.The terrain type may be variously set according to a prediction target and past data. In an embodiment of the present invention, the terrain type may include types such as forest, waterfront/wetland, farmland, bare land/grassland, and city. This type of terrain can change over time. In this way, the type of land cover change is determined according to the change of the terrain type. For example, in the case of a terrain pixel that was a forest type, it can be changed to waterside/wetland, farmland, bare land/grassland, and a city. have. Therefore, when there are n terrain types, there may be n x (n-1) types of land cover change. Accordingly, the land cover change estimation method according to an embodiment of the present invention may predict the land cover change based on the n x (n-1) land cover change types.
다만, 토지피복 변화 중 도시로부터 수변/습지로 변화 하는 유형 등의 경우 거의 일어나지 않으므로, 변화의 발생 빈도가 극히 낮은 토지피복 변화 유형은 제외하고 토지피복 변화를 예측할 수도 있다.However, since land cover change from city to waterfront/wetland rarely occurs, land cover change can be predicted except for the type of land cover change with extremely low frequency of change.
상기 지형특성은 상기 지형픽셀 내의 토지의 특성을 나타낼 수 있는 다양한 변수를 포함한다. 본 발명의 일 실시예에서 상기 지형특성은 평균 지형경사, 시가화·건조지역 비율, 농경지 비율, 초지 비율, 습지 비율, 나지 비율, 수역 비율, 보호지역 비율 중 1 이상을 포함할 수 잇다. 상기 지형픽셀에 대한 데이터는 이와 같은 토지의 특성을 나타낼 수 있는 변수에 대한 지형특성 정보를 포함함으로써, 과거의 상기 지형특성으로부터 상기 지형픽셀의 변화를 예측할 수 있도록 한다. 이는 비슷한 지형특성을 갖는 토지에서는 비슷한 변화를 보일 것으로 기대되기 때문이다.The terrain characteristics include various variables capable of representing the characteristics of the land within the terrain pixels. In one embodiment of the present invention, the topographic characteristics may include one or more of average topographic slope, urbanization/dry area ratio, agricultural land ratio, grassland ratio, wetland ratio, bare land ratio, water body ratio, and protected area ratio. The data on the terrain pixels includes terrain characteristic information on a variable capable of representing such land characteristics, so that the change of the terrain pixels can be predicted from the terrain characteristics in the past. This is because lands with similar topographic characteristics are expected to show similar changes.
도 3은 본 발명의 일 실시예에 따른 토지피복도를 도시하는 도면이다.3 is a view showing a land cover according to an embodiment of the present invention.
도 3에는 토지를 격자로 구분한 지형픽셀에 각 지형픽셀의 지형 타입을 색상으로 표시하여 생성한 토지피복도가 도시되어 있다. 도 3에서는 지형 타입으로 산림, 수변/습지, 농지, 나지/초지 및 도시의 다섯 분류를 사용하였고, 각각의 타입에 대해 서로 다른 색상으로 도시하였다. 이와 같은 토지피복도를 통해 현재의 토지의 이용 현황 등을 파악하여 사회경제적 현상을 분석하기 위해 사용될 수도 있다.FIG. 3 shows a land cover map generated by displaying a terrain type of each terrain pixel in color on a terrain pixel divided by a grid of land. In FIG. 3, five classifications of forest, waterfront/wetland, farmland, bare land/grassland, and city were used as terrain types, and each type was shown in different colors. It can also be used to analyze socio-economic phenomena by grasping the current state of land use through such a land cover map.
본 발명에서는 과거의 토지피복도 등의 데이터를 이용하여 차후의 토지피복 변화를 예측하여 예측시기에서의 토지피복도를 생성할 수 있다.In the present invention, by using data such as past land cover, it is possible to predict a future land cover change to generate a land cover at the time of prediction.
도 4는 본 발명의 일 실시예에 따른 지형특성을 도시하는 도면이다.4 is a diagram showing topographic characteristics according to an embodiment of the present invention.
도 4에는 본 발명의 일 실시예에 따른 지형픽셀 각각에 대한 지형특성 중 평균 지형경사(A) 및 시가화·건조지역비율(B)의 지형특성을 시각적으로 도시한 변수 지도를 나타낸다. 상기 지형픽셀에 대한 데이터는 이와 같이 다양한 지형특성에 대한 정보를 포함할 수 있고, 도 4와 같이 시각화되어 도시될 수 있다.FIG. 4 shows a variable map visually showing the terrain characteristics of the average terrain slope (A) and the urbanization/dry area ratio (B) among the terrain characteristics for each terrain pixel according to an embodiment of the present invention. The data on the terrain pixels may include information on various terrain characteristics, and may be visualized as shown in FIG. 4.
도 5는 본 발명의 일 실시예에 따른 토지피복도추정모델의 내부 구성을 개략적으로 도시하는 도면이다.5 is a diagram schematically showing the internal configuration of a land cover estimation model according to an embodiment of the present invention.
본 발명의 일 실시예에 따른 상기 토지피복도추정모델(10)은 기설정된 크기의 격자로 구분하여 설정한 지형픽셀에 대하여 지형 타입의 변화 및 지형특성에 대한 분포함수를 도출하는 분포함수도출부(100); 과거의 지형픽셀의 지형 타입 및 지형특성에 대한 정보를 포함하는 과거데이터(10)에 기초하여 토지피복 변화 유형 별 예측변화량을 도출하는 변화량예측부(200); 및 상기 분포함수 및 상기 예측변화량에 기초하여 토지피복 변화 유형 별 지형 타입의 변화가 발생할 지형픽셀을 도출하여 예측시기에서의 토지피복도를 생성하는 토지피복도예측부(300); 를 포함할 수 있다.In the land
이와 같은 토지피복도추정모델(10)에서 수행되는 토지피복 변화 추정 방법은 기설정된 크기의 격자로 구분하여 설정한 지형픽셀에 대하여 지형 타입의 변화 및 지형특성에 대한 분포함수를 도출하는 분포함수도출단계(S100); 과거의 지형픽셀의 지형 타입 및 지형특성에 대한 정보를 포함하는 과거데이터에 기초하여 토지피복 변화 유형 별 예측변화량을 도출하는 변화량예측단계(S200); 및 상기 분포함수 및 상기 예측변화량에 기초하여 토지피복 변화 유형 별 지형 타입의 변화가 발생할 지형픽셀을 도출하여 예측시기에서의 토지피복도를 생성하는 토지피복도예측단계(S300); 를 포함할 수 있고, 상기 각각의 단계들은 대응되는 상기 토지피복도추정모델(10)의 구성요소에 의해 수행될 수 있다.The land cover change estimation method performed in such a land
상기 분포함수도출부(100)는 과거데이터(20)를 입력 받아 과거의 지형픽셀의 지형 타입 및 지형특성에 대한 정보를 포함하는 과거데이터에 기초하여 토지피복 변화 유형 별 분포함수를 도출해 낼 수 있다. 상기 분포함수는 정규화되어 각 변화 유형에 대해 동일한 계산을 수행할 수 있도록 하고, 또한 상기 분포함수는 단순화되어 예측을 수행하기 위한 계산을 간소화 할 수 있다.The distribution
상기 변화량예측부(200)는 과거데이터(20)에 기초하여 과거의 지형픽셀의 지형 타입의 변화 추세를 파악하고, 이를 통해 예측시점에서의 예측변화량을 도출하여 지형픽셀의 변화를 예측할 수 있게 된다.The change
상기 토지피복도예측부(300)는 상기 분포함수 및 상기 예측변화량에 기초하여 실제로 변화가 일어날 것으로 예측되는 지형픽셀을 도출하고, 예측된 변화를 반영하여 토지피복도를 생성한다.The land cover
본 발명의 일 실시예에서 상기 지형픽셀은, 기설정된 기준에 따라 각각 지역으로 구분되고, 상기 변화량예측단계(S200) 및 상기 토지피복도예측단계(S300)는, 상기 지역 구분에 따라 각각 수행될 수 있다. 각각의 지형픽셀의 변화를 예측하기 위해서는 상기 지형픽셀의 지형특성뿐만 아니라, 상기 지형픽셀이 위치한 지역적 특성이 고려되어야 한다. 이를 위해, 본 발명의 일 실시예에서는 상기 지형픽셀을 기설정된 기준에 따라 지역으로 구분하여, 각각의 지역의 데이터에 기초하여 지형픽셀의 변화를 예측한다. 본 발명의 일 실시예에서 상기 지역은 행정구역(시/군/구)일 수 있다.In one embodiment of the present invention, the terrain pixels are divided into regions according to a preset criterion, and the change amount prediction step (S200) and the land cover road prediction step (S300) may be performed respectively according to the area classification. have. In order to predict the change of each terrain pixel, not only the terrain characteristics of the terrain pixels, but also the regional characteristics in which the terrain pixels are located must be considered. To this end, in an embodiment of the present invention, the terrain pixels are divided into regions according to a preset criterion, and a change of the terrain pixels is predicted based on data of each region. In an embodiment of the present invention, the area may be an administrative district (si/gun/gu).
다만, 이와 같이 토지피복 변화 추정의 모든 단계를 지역적으로 구분하여 예측을 하는 경우 모델 구성의 복잡도가 높아지고, 변화 경향의 타당성을 판단하기 어렵게 될 수 있다. 따라서, 본 발명의 일 실시예에서는 상기 분포함수도출단계(S100)는 지역 구분이 아닌 전체 토지에 대해 수행되고, 상기 변화량예측단계(S200) 및 상기 토지피복도예측단계(S300)를 지역 구분에 따라 수행될 수 있도록 하여 상기와 같은 문제를 해결하였다.However, if all stages of land cover change estimation are regionally classified and predicted as described above, the complexity of the model composition increases, and it may be difficult to determine the validity of the change trend. Therefore, in an embodiment of the present invention, the distribution function derivation step (S100) is performed on the entire land, not the region division, and the change amount prediction step (S200) and the land cover road prediction step (S300) are performed according to region classification. The problem as described above was solved by allowing it to be performed.
도 6은 본 발명의 일 실시예에 따른 분포함수도출부의 동작을 개략적으로 도시하는 도면이다.6 is a diagram schematically illustrating an operation of a distribution function deriving unit according to an embodiment of the present invention.
도 6을 참조하면 본 발명의 일 실시예에 따른 상기 분포함수도출부(100)는 과거 데이터(20)에 기초하여 분포함수데이터(50)를 생성한다. 상기 과거데이터(20)는 복수의 과거 시점에 대한 데이터를 포함할 수 있다. 도 6에 도시된 실시예에서는 제1시점에서의 과거데이터#1(20.1)부터 제N시점에서의 과거데이터#N(20.N)를 포함하는 과거데이터(20)가 상기 분포함수도출부(100)에 입력된다. 상기 과거데이터(20)는 도 2에 도시된 것과 같이 각 지형픽셀의 식별정보와 각 지형픽셀의 지형 타입, 지형특성을 포함하고, 상기 지형픽셀에 대한 정보의 시점정보를 포함할 수 있다.Referring to FIG. 6, the distribution
이와 같은 과거데이터(20)는 상기 분포함수도출부(100)에 의해 분석되어 분포함수데이터(50)를 생성할 수 있다.Such
본 발명의 일 실시예에 따른 상기 분포함수도출부(100)에서 수행되는 상기 분포함수도출단계(S100)는, 과거의 지형픽셀의 지형 타입 및 지형특성에 대한 정보를 포함하는 과거데이터에 기초하여 토지피복 변화 유형 별 제1분포함수를 도출하는 제1분포함수도출단계; 및 상기 제1분포함수에 대한 정규화 및 단순화를 통해 도출되는 토지피복 변화 유형 별 제2분포함수를 도출하는 제2분포함수도출단계; 를 포함할 수 있다.The distribution function deriving step (S100) performed by the distribution
본 발명의 일 실시예에서 상기 제1분포함수는 토지피복 변화를 유발하는 요인에 대한 경험분포함수(Empirical Distribution Function, EDF)로 표현될 수 있다. 상기 경험분포함수는 다양한 공간적 변수, 예를 들어 지형고도, 지형경사, 인공구조물로부터의 거리에 따른 토지피복 변화 빈도에 의해 계산된다.In an embodiment of the present invention, the first distribution function may be expressed as an empirical distribution function (EDF) for a factor causing a change in land cover. The empirical distribution function is calculated by the frequency of changes in land cover according to various spatial variables, such as topographic elevation, topographic slope, and distance from artificial structures.
상기 제2분포함수는 상기 제1분포함수에 대한 정규화 및 단순화를 통해 도출될 수 있다. 본 발명의 일 실시예에서 상기 제2분포함수는 상기 경험분포함수(EDF)로 표현되는 상기 제1분포함수를 0 내지 1 사이의 값으로 정규화 한 상대선호도지수(Relative Favorability Score, RFS)를 도출하고, 상기 상대선호도지수를 통해 매개변수를 도출하여 표현되는 상대선호도함수(Relative Favorability Function, RFF)에 의해 표현될 수 있다.The second distribution function may be derived through normalization and simplification of the first distribution function. In an embodiment of the present invention, the second distribution function derives a Relative Favorability Score (RFS) obtained by normalizing the first distribution function expressed as the empirical distribution function (EDF) to a value between 0 and 1 And, it may be expressed by a Relative Favorability Function (RFF) expressed by deriving a parameter through the relative preference index.
도 7은 본 발명의 일 실시예에 따른 지형특성 별 제1분포함수를 도시하는 도면이다.7 is a diagram showing a first distribution function for each terrain characteristic according to an embodiment of the present invention.
도 7a 내지 도 7c는 본 발명의 일 실시예에 따라 과거데이터로부터 도출한 제1분포함수를 도시한다. 도7a는 지형특성 중 지형고도에 따른 토지피복 변화 유형 별 제1분포함수이고, 도7b는 지형특성 중 사면경사에 따른 토지피복 변화 유형 별 제1분포함수이고, 도7c는 지형특성 중 인구밀도에 따른 토지피복 변화 유형 별 제1분포함수이다.7A to 7C illustrate a first distribution function derived from past data according to an embodiment of the present invention. Figure 7a is the first distribution function for each type of land cover change according to the topographic height among topographic characteristics, Figure 7b is the first distribution function for each type of land cover change according to the slope slope among topographic characteristics, and Fig. 7c is the population density among topographic characteristics. It is the first distribution function for each type of land cover change according to.
각 도면의 좌상단에는 다섯 토지피복 변화 유형(산림->나지, 농지->나지, 산림->도시, 농지->도시 및 나지->도시)에 대한 제1분포함수가 겹쳐서 도시되어 있고, 시계방향으로 순서대로 산림->도시, 농지->도시, 나지->도시, 농지->나지 및 산림->나지의 토지피복 변화 유형에 대한 제1분포함수가 각각 도시되어 있다.In the upper left of each drawing, the first distribution function for five types of land cover change (forest-> bare land, farmland-> bare land, forest-> city, farmland-> city and bare land-> city) is shown overlapping and clockwise. In this order, the first distribution function for the types of land cover change of forest -> city, farmland -> city, bare land -> city, farmland -> bare land and forest -> bare land is shown.
각각의 제1분포함수는 과거데이터(10)의 각 지형픽셀의 지형 타입의 변화를 파악하여, 각각의 변화 유형 별 지형픽셀의 지형특성 별 변화 정도를 파악함으로써 도출된다.Each first distribution function is derived by grasping the change in the terrain type of each terrain pixel in the
도 8은 본 발명의 일 실시예에 따라 제1분포함수로부터 제2분포함수를 도출한 결과를 도시하는 도면이다.8 is a diagram showing a result of deriving a second distribution function from a first distribution function according to an embodiment of the present invention.
도 8의 상단에는 지형 타입①에서 지형 타입②로 변화하는 토지피복 변화 유형에서 지형특성#i에 대한 제1분포함수의 그래프가 도시되어 있다. 상기 제1분포함수는 상기 과거데이터(20)로부터 경험분포함수(EDF)로 표현될 수 있다. 이와 같은 경험분포함수는 지형특성#i에 대한 변화에 대한 확률값의 그래프로 나타난다.In the upper part of FIG. 8, a graph of the first distribution function for the terrain characteristic #i in the land cover change type changing from the
본 발명의 일 실시예에 따른 상기 제2분포함수는 3개의 매개변수를 사용하여 표현되는데, 이 매개변수들의 값은 상기 제1분포함수를 토대로 결정될 수 있다.The second distribution function according to an embodiment of the present invention is expressed using three parameters, and values of these parameters may be determined based on the first distribution function.
본 발명의 일 실시예에서 상기 제2분포함수도출단계는, 지형특성 값이 최소값일 때의 상기 제1분포함수값 a; 상기 제1분포함수값이 최대값일 때의 상기 지형특성 값 b; 및 상기 제1분포함수값이 최소값일 때의 상기 지형특성 값 c; 세 개의 매개변수에 기초하여 제2분포함수를 도출할 수 있다.In an embodiment of the present invention, the step of deriving the second distribution function includes: the first distribution function value a when the terrain characteristic value is a minimum value; The terrain characteristic value b when the first distribution function value is a maximum value; And the terrain characteristic value c when the first distribution function value is a minimum value. The second distribution function can be derived based on the three parameters.
이와 같은 방법에 의해 도출된 제2분포함수가 상기 도 8의 하단에 도시되어 있다.The second distribution function derived by this method is shown at the bottom of FIG. 8.
도 8a 내지 도 8c는 본 발명의 일 실시예에 따라 제1분포함수에 기초하여 도출된 제2분포함수를 도시한다. 도8a는 지형특성 중 지형고도에 따른 토지피복 변화 유형 별 제2분포함수이고, 도8b는 지형특성 중 사면경사에 따른 토지피복 변화 유형 별 제2분포함수이고, 도8c는 지형특성 중 인구밀도에 따른 토지피복 변화 유형 별 제2분포함수이다.8A to 8C illustrate a second distribution function derived based on the first distribution function according to an embodiment of the present invention. Figure 8a is a second distribution function for each type of land cover change according to topographic altitude among topographic characteristics, Figure 8b is a second distribution function for each type of land cover change according to slope slope among topographic characteristics, and Fig. 8c is a population density among topographic characteristics. It is the second distribution function for each type of land cover change according to.
각각의 그래프에는 파란색으로 표시된 제1분포함수로부터 매개변수를 도출하여, 상기 매개변수에 기초한 제2분포함수가 붉은색으로 표시되어 있다.In each graph, a parameter is derived from a first distribution function indicated in blue, and a second distribution function based on the parameter is indicated in red.
도 9는 본 발명의 일 실시예에 따른 제2분포함수의 도출 방법을 개략적으로 도시하는 도면이다.9 is a diagram schematically showing a method of deriving a second distribution function according to an embodiment of the present invention.
도 9를 참조하면 상기 매개변수 a, b 및 c에 기초하여 제2분포함수를 도출하는 일 실시예를 확인할 수 있다.Referring to FIG. 9, an embodiment of deriving a second distribution function based on the parameters a, b and c can be confirmed.
본 발명의 일 실시예에 따르면 제2분포함수(RFF)는 지형특성 값(d)이 0 이상 b 미만인 구간에서 According to an embodiment of the present invention, the second distribution function (RFF) is in the section where the terrain characteristic value (d) is 0 or more and less than b.
와 같이 표현되고, 지형특성 값(d)이 b 이상 c 이하인 구간에서Is expressed as, in the section where the terrain characteristic value (d) is more than b and less than c
와 같이 표현될 수 있다.It can be expressed as
이와 같은 식에 의해 표현되는 제2분포함수의 그래프가 도 9에 도시되어 있다. 이와 같은 제2분포함수의 경우 상기 제1분포함수와 동일하게 상기 지형특성 값이 최소값일 때 제2분포함수값 a를 갖고, 상기 제2분포함수값이 최대값일 때 지형특성 값 b를 갖고, 상기 제2분포함수값이 최소값일 때 상기 지형특성 값 c를 가지게 된다.A graph of the second distribution function expressed by this equation is shown in FIG. 9. In the case of such a second distribution function, similarly to the first distribution function, when the terrain characteristic value is a minimum value, a second distribution function value a, and when the second distribution function value is a maximum value, it has a terrain characteristic value b, When the second distribution function value is the minimum value, the terrain characteristic value c is obtained.
본 발명의 다른 실시예에서는 상기와 같은 제2분포함수의 식 외에도 다른 식에 의해 제2분포함수를 도출할 수 있다.In another embodiment of the present invention, the second distribution function may be derived by other equations in addition to the above equation of the second distribution function.
예를 들어 상기 지형특성 값(d)이 0 이상 b 미만인 구간에서 Gaussian 모델을 사용하여 식을 도출할 수도 있고, 혹은 상기 c 값을 상기 제1분포함수값이 최소값이 아닌, 최대값의 1%일 때의 값을 사용하는 등 다른 수식을 통해 제2분포함수를 도출할 수도 있다.For example, an equation may be derived using a Gaussian model in a section in which the terrain characteristic value (d) is 0 or more and less than b, or the c value is 1% of the maximum value, not the minimum value. The second distribution function may be derived through other equations, such as using the value of
도 10은 본 발명의 일 실시예에 따른 변화량예측부의 동작 과정을 개략적으로 도시하는 도면이다.10 is a diagram schematically illustrating an operation process of a variation predicting unit according to an embodiment of the present invention.
도 10을 참조하면 상기 변화량예측부(200)에서 수행되는 변화량예측단계(S200)는, 상기 과거데이터(20)에 기초하여 토지피복 변화 유형 별 과거변화량을 도출하는 과거변화량도출단계(S210); 및 상기 과거변화량에 기초하여 변화량추세를 도출하고, 상기 변화량추세에 기초하여 상기 예측시기에서의 예측변화량을 도출하는 예측변화량도출단계(S220); 를 포함할 수 있다.Referring to FIG. 10, the change amount prediction step (S200) performed by the change
상기 과거변화량도출단계(S210)에서는 상기 과거데이터(20)에서 과거 발생한 지형픽셀의 지형 타입 변화에 대한 정보를 시간에 따라 정리하여 과거변화량을 도출하고, 상기 예측변화량도출단계(S220)에서는 시간에 따라 정리된 상기 과거변화량으로부터 추세선을 설정함으로써 변화량추세를 도출하여 입력 받은 예측시기에서의 상기 변화량 추세로부터 예측변화량을 도출할 수 있다.In the past change amount deriving step (S210), information on the terrain type change of the terrain pixel that occurred in the past in the
도 11은 본 발명의 일 실시예에 따라 변화량추세를 도출하는 방법을 개략적으로 도시하는 도면이다.11 is a diagram schematically showing a method of deriving a trend of a change amount according to an embodiment of the present invention.
도 11에 도시된 예에서는 2000년부터 2019년까지의 지형 타입 ①에서 ②로 변화되는 양에 대한 과거데이터가 점으로 표시되어 있다. 본 발명의 일 실시예에서는 이와 같은 과거데이터로부터 추세선을 도출하여 변화량추세를 확인할 수 있다. 도 11에 도시된 예에서는 상기 과거데이터로부터 선형 추세선을 도출하였다.In the example shown in FIG. 11, past data on the amount of change from the
본 발명에서는 도 11에서와 같이 선형 추세선 뿐만 아니라 로그, 2차식 추세선 등 다양한 추세선을 사용할 수 있다. 즉, 본 발명의 일 실시예에서는 변화량추세를 도출할 때, 선형, 로그 및 2차식 추세선을 도출하고, 각 추세선의 결정계수(R2)가 가장 큰 추세선을 변화량추세로 도출할 수 있다.In the present invention, as shown in FIG. 11, various trend lines such as logarithmic and quadratic trend lines may be used as well as linear trend lines. That is, in an embodiment of the present invention, when deriving a trend of change, linear, logarithmic, and quadratic trend lines may be derived, and a trend line having the largest coefficient of determination (R 2 ) of each trend line may be derived as the trend of change.
또한, 상기 변화량추세는 토지피복 변화 유형 별 추세를 도출할 수도 있고, 혹은 상기 지형 타입 별 추세를 도출할 수도 있다. 예를 들어 도 11에서와 같이 지형 타입 ①에서 ②로 변화되는 지형픽셀의 수에 대한 데이터에 기초하여 추세를 도출할 수도 있고, 혹은 지형 타입 ①의 지형픽셀의 수에 대한 데이터에 기초하여 추세를 도출할 수도 있다.In addition, the trend of change amount may derive a trend for each type of land cover change, or a trend for each type of terrain. For example, as shown in FIG. 11, a trend may be derived based on data on the number of terrain pixels that change from
이와 같이 변화량추세를 도출한 후, 상기 변화량추세에 기초하여 예측시기에서의 예측변화량을 도출할 수 있다. 도 11에서는 상기 예측시기를 2030년으로 설정한 경우, 상기 선형 추세선의 2030년에서의 값을 확인함으로써 2030년에서의 예측변화량을 도출할 수 있게 된다.After deriving the trend of the amount of change in this way, the amount of predicted change in the prediction period may be derived based on the trend of the amount of change. In FIG. 11, when the forecast period is set to 2030, the predicted change amount in 2030 can be derived by checking the value of the linear trend line in 2030.
도 12는 본 발명의 일 실시예에 따른 토지피복도예측부의 동작 과정을 개략적으로 도시하는 도면이다.12 is a diagram schematically showing an operation process of a land cover road prediction unit according to an embodiment of the present invention.
도 12를 참조하면 본 발명의 일 실시예에 따른 상기 토지피복도예측부(300)에서 수행되는 토지피복도예측단계(S300)는, 상기 지형픽셀 각각에 대해 상기 제2분포함수에 기초하여 스코어를 산정하는 픽셀스코어산출단계(S310); 및 상기 스코어 및 상기 예측변화량에 기초하여 지형 타입이 변화 되는 지형픽셀을 도출하는 변화픽셀도출단계(S320); 를 포함한다.Referring to FIG. 12, the land cover map prediction step (S300) performed by the land cover
상기 픽셀스코어산출단계(S310)는, 상기 지형특성 별 상기 제2분포함수값에 가중치를 곱하여 합산한 res값 및 인접 지형픽셀 분석을 통해 도출되는 cc값에 기초하여 스코어를 산정할 수 있다.In the pixel score calculation step S310, a score may be calculated based on a res value obtained by multiplying the second distribution function value for each terrain feature by a weight and a cc value derived through analysis of adjacent terrain pixels.
본 발명의 일 실시예에서는 상기 픽셀스코어산출단계(S310)는 상기 cc값을 도출하기 위하여, 상기 지형픽셀을 중심으로 하는 기설정된 크기의 프레임을 설정하고, 상기 프레임 내의 지형픽셀의 지형 타입 별 비율을 포함하는 프레임정보를 분석하는 인접지형픽셀분석단계(S311)를 포함할 수 있다. 상기 인접지형픽셀분석단계(S311)는 상기 프레임 내의 지형픽셀의 정보를 분석함으로써 상기 프레임의 중심의 지형픽셀의 스코어를 도출함에 있어서 인접 지형픽셀의 영향을 반영할 수 있게 된다.In an embodiment of the present invention, in the pixel score calculation step (S310), in order to derive the cc value, a frame having a predetermined size centered on the terrain pixel is set, and the ratio of the terrain pixel within the frame by terrain type It may include a neighboring terrain pixel analysis step (S311) of analyzing frame information including. In the neighboring terrain pixel analysis step (S311), the influence of the neighboring terrain pixels may be reflected in deriving the score of the terrain pixel at the center of the frame by analyzing information on the terrain pixels in the frame.
상기 지형픽셀 각각은 상기 제2분포함수도출단계(S120)에서 도출 된 상기 지형특성 별 상기 제2분포함수에 기초하여 res값을 도출할 수 있다. 상기 지형픽셀이 갖고 있는 지형특성#i에 대한 상기 제2분포함수 값을 fi라고 하면, 상기 res 값은 아래와 같이 표현될 수 있다.Each of the terrain pixels may derive a res value based on the second distribution function for each terrain characteristic derived in the second distribution function derivation step (S120). Assuming that the second distribution function value for the terrain feature #i of the terrain pixel is f i , the res value can be expressed as follows.
이 때, wi는 지형특성#i에 대한 가중치이다. 상기 가중치는 토지피복 변화 유형에 따라 서로 다르게 설정될 수도 있고, 토지피복 변화 유형에 상관 없이 동일하게 설정될 수도 있다.In this case, w i is a weight for topographic feature #i. The weights may be set differently according to the type of change of land cover, or may be set equally regardless of the type of change of land cover.
본 발명의 실시예에서 상기 지형픽셀의 스코어는 다양한 방법에 의해 산정될 수 있다. 일 실시예에서 상기 스코어는 단순히 상기 res값으로 정해질 수도 있고, 혹은 상기 cc값과 상기 res값을 곱한 값으로 정해질 수도 있고, 혹은 상기 cc값과 상기 res값에 각각 가중치를 곱하여 더한 값으로 정해질 수도 있고, 혹은 단순히 상기 cc값으로 정해질 수도 있다.In an embodiment of the present invention, the score of the terrain pixel may be calculated by various methods. In one embodiment, the score may be simply determined as the res value, or may be determined as a value obtained by multiplying the cc value and the res value, or a value obtained by multiplying the cc value and the res value by a weight, respectively. It may be determined, or may be simply determined by the cc value.
이 중 res값의 비중이 클수록 상기 제2분포함수 모델의 분석 결과가 강조되고, 상기 cc값의 비중이 클수록 인접 지형픽셀 분석의 영향이 강조된다.Among them, as the proportion of the res value increases, the analysis result of the second distribution function model is emphasized, and as the proportion of the cc value increases, the influence of the analysis of adjacent terrain pixels is emphasized.
상기 변화픽셀도출단계(S320)는, 상기 예측변화량에 기초하여 지형 타입의 변화가 발생할 것으로 예측되는 임계값을 도출하는 임계값도출단계(S321); 및 상기 임계값 이상의 스코어를 갖는 지형픽셀을 도출하는 픽셀선정단계(S322); 를 포함할 수 있다.The changing pixel derivation step (S320) includes: a threshold value deriving step (S321) of deriving a threshold value predicted that a change in a terrain type will occur based on the predicted change amount; And a pixel selection step (S322) of deriving a topographic pixel having a score equal to or greater than the threshold value. It may include.
상기 임계값은 상기 변화량예측단계(S200)에서 도출된 상기 예측변화량에 기초하여 지형 타입의 변화가 발생할 최소 스코어 값일 수 있다. 본 발명의 일 실시예에서는 상기 예측변화량에 기초하여 임계값을 도출할 때, 기설정된 지역 구분에 따라 각각 수행됨으로써, 각 지역별로 다른 임계값이 설정될 수 있다.The threshold value may be a minimum score value at which a change in a terrain type will occur based on the predicted change amount derived in the change amount prediction step S200. In an embodiment of the present invention, when a threshold value is derived based on the predicted change amount, different threshold values may be set for each region by performing each according to a preset region classification.
본 발명의 일 실시예에서 상기 임계값은 상기 예측변화량에 기초하여 상기 예측변화량의 수를 만족시키는 스코어 값을 정량적으로 도출할 수도 있고, 혹은 상기 예측변화량의 변화율에 기초하여 상기 변화가 일어날 수 있는 기댓값을 확률적으로 도출할 수도 있다.In an embodiment of the present invention, the threshold value may quantitatively derive a score value that satisfies the number of predicted changes based on the predicted change amount, or the change may occur based on a rate of change of the predicted change amount. The expected value can also be derived probabilistically.
이 후 상기 임계값 이상의 스코어를 갖는 지형픽셀을 도출하는 픽셀선정단계(S322)를 통해 지형 타입의 변화가 발생할 것으로 예측되는 지형픽셀을 선정하게 된다.Thereafter, through the pixel selection step (S322) of deriving a topographic pixel having a score equal to or greater than the threshold value, a topographic pixel predicted to have a change in the terrain type is selected.
이와 같이 선정 된 지형픽셀은 해당 토지피복 변화 유형에 따라 지형 타입이 변화할 것으로 예측되므로 상기 지형픽셀의 지형 타입이 수정된 예측 토지피복도를 생성하여 출력함으로써 토지피복 변화를 예측할 수 있다.Since the terrain type selected in this way is predicted to change according to the type of land cover change, land cover change can be predicted by generating and outputting a predicted land cover map in which the terrain type of the terrain pixel is modified.
도 13은 본 발명의 일 실시예에 따라 지형 타입이 변화 되는 지형픽셀을 도출하는 과정을 개략적으로 도시하는 도면이다.13 is a diagram schematically illustrating a process of deriving a terrain pixel whose terrain type is changed according to an embodiment of the present invention.
도 13의 (A)에는 현재의 지형픽셀의 지형 타입이 도시되어 있다. 도 2에 도시된 것과 같은 5 x 5 격자의 지형픽셀이 3 개의 지형 타입으로 구분되어 있다. 이 중 지형 타입①에 해당하는 지형픽셀에 대해 지형 타입① 에서 지형 타입②로 변화하는 토지피복 변화 유형에 대해 도출한 지형픽셀의 스코어가 도 13의 (B)에 도시되어 있다. 도 13의 (B)를 참조하면 지형픽셀(2,2)의 경우 0.9, 지형픽셀(2,3)의 경우 0.8, 지형픽셀(2,4)의 경우 0.7, 지형픽셀(3,2)의 경우 0.3, 지형픽셀(3,3)의 경우 0.3, 지형픽셀(3.4)의 경우 0.4, 지형픽셀(4,2)의 경우 0.2, 지형픽셀(4,3)의 경우 0.5, 지형픽셀(4.4)의 경우 0.3의 스코어가 상기 픽셀스코어산출단계(S310)에서 도출되어 있다.13A shows the topography type of the current topographic pixel. The terrain pixels of the 5 x 5 grid as shown in FIG. 2 are divided into three terrain types. Among them, the scores of the terrain pixels derived for the land cover change type changing from the
도 13의 예는 상기 임계값도출단계(S321)에서 도출 된 임계값이 0.6으로 나타나 있다. 이 때, 도 13의 (C)에는 상기 픽셀선정단계(S322)에서 상기 스코어에 기초하여 상기 임계값 이상의 스코어를 갖는 지형픽셀이 도출 된 모습이 도시되어 있다, 이와 같이 상기 임계값 0.6 이상의 스코어를 갖는 세 지형픽셀 (2.2), (2,3) 및 (2.4)는 기존의 지형 타입①에서 지형 타입②로 변화할 것으로 예측할 수 있다, 따라서 본 발명의 일 실시예에 따른 토지피복 변화 추정 방법에서는 상기 세 지형 픽셀의 지형 타입이 2인 예측시점의 토지피복도를 도출할 수 있게 된다.In the example of FIG. 13, the threshold value derived in the threshold value deriving step (S321) is shown as 0.6. In this case, (C) of FIG. 13 shows a state in which a topographic pixel having a score equal to or higher than the threshold value is derived based on the score in the pixel selection step S322. It can be predicted that the three terrain pixels (2.2), (2,3) and (2.4) will change from the existing
도 14는 본 발명의 일 실시예에 따라 예측된 토지피복도 및 실제 토지피복도를 도시하는 도면이다.14 is a diagram showing a predicted land cover map and an actual land cover map according to an embodiment of the present invention.
도 14a는 서울·인천·경기지역, 도 14b는 대전·충남·전북지역, 도 14c는 광주·전남지역, 도 14d는 강원·충북지역, 도 14e는 대구·경북·울산지역, 도 14f는 제주지역에 대한 토지피복도가 도시되어 있다. 각각의 도면에는 좌측부터 순서대로 실제 토지피복도, 지역 구분에 따라 예측된 토지피복도 및 지역 구분 없이 예측된 토지피복도가 도시되어 있다. 상기 실제 토지피복도는 2010년 환경부의 토지피복지도이고, 상기 지역 구분에 따라 예측된 토지피복도 및 지역 구분 없이 예측된 토지피복도는 1990-2000년의 환경부 토지피복지도 데이터를 이용하여 예측한 2010년의 토지피복도이다. 상기 예측에서 지형픽셀은 1 X 1 km 크기이고, 지형특성으로는 평균지형경사, 시가화·건조지역비율 농경지 비율, 초지 비율, 습지 비율, 나지 비율, 수역 비율 및 보호지역 비율을 사용하였다.14A is Seoul·Incheon·Gyeonggi area, Fig.14B is Daejeon·Chungnam·Jeonbuk area, Fig.14C is Gwangju·Jeonnam area, Fig.14D is Gangwon·Chungbuk area, Fig.14E is Daegu·Gyeongbuk·Ulsan area, Fig.14F is Jeju The land cover map for the area is shown. In each drawing, in order from the left, the actual land cover map, the predicted land cover according to the regional classification, and the predicted land cover without the regional classification are shown. The actual land cover map is the land cover map of the Ministry of Environment in 2010, and the land cover map predicted according to the region classification and the land cover map predicted without region classification is the 2010-year forecast using the land cover map data of the Ministry of Environment from 1990-2000. It is a land cover map. In the above prediction, the topographic pixels are 1 X 1 km in size, and as topographic characteristics, the average topographic slope, ratio of urbanized/dry areas, agricultural land ratio, grassland ratio, wetland ratio, bare land ratio, water body ratio and protected area ratio were used.
지역 구분 없이 예측된 결과에서는 시의 확장이 대도시에 과도하게 집중되는 예측을 한 반면 지역 구분에 따른 방법의 결과에서는 도시 확장 지역이 각 지역에 분산되어 실제에 더욱 가까운 예측 결과를 보여준다. 농경지 확대와 산림 감소 역시 지역 구분 없는 예측 방법에서는 기존에 농경지가 발달된 지역에 집중된 반면 지역 구분에 따른 방법의 결과에서는 각 지역에서 변화 가능성이 높은 지역을 예측함으로써 실제 2010년 토지피복지도에 더욱 유사한 결과를 산출하였다.In the predicted result without regional division, the prediction result was that the city expansion was excessively concentrated in the metropolitan area, whereas the result of the method according to the regional division showed a prediction result that was closer to the actual city expansion area was distributed to each area. Cropland expansion and forest reduction are also more similar to the 2010 land cover map by predicting areas with high possibility of change in each area in the results of the method according to the regional classification method, while the predicted method without regional classification concentrated on the areas where the existing agricultural land was developed. Results were calculated.
구체적으로는 서울·인천·경기 지역에서 지역 구분 없는 예측 방법이 오산과 인천광역시의 도시 확장을 과대 추정하는 반면 지역 구분에 따른 방법은 오산에서 2010년의 토지피복지도와 유사하고 인천에서 과대 추정의 정도가 지역 구분 없는 방법의 결과에 비해 작다. 지역 구분 없는 방법은 김포, 이천, 화성 등에서 농경지의 확대를 과대 추정하는 반면 지역 구분에 따른 방법은 2010년 토지피복지도와 유사한 결과를 보인다.Specifically, in the Seoul, Incheon, and Gyeonggi areas, the area-free prediction method overestimates the urban expansion of Osan and Incheon, whereas the method by area classification is similar to the 2010 land cover map in Osan and the overestimation in Incheon. The degree is small compared to the results of the method without regional classification. The method without regional classification overestimates the expansion of agricultural land in Gimpo, Icheon, and Hwaseong, while the method according to region classification shows similar results to the 2010 land cover map.
대전·충남·전북의 비교 결과에서는 군산, 익산, 전주 등의 도시 확장 패턴에서 지역 구분에 따른 방법에 의해 향상된 예측 결과가 산출됨을 알 수 있다. 보령의 시가지 지역에서도 유사한 결과를 확인할 수 있다. 지역 구분 없는 방법은 서천과 군산에 농경지 확대가 집중될 것으로 예측하였지만 지역 구분에 따른 방법은 군산에서는 농경지 확대가 상대적으로 작을 것으로 예측하였다. 이러한 예측 결과의 패턴 차이는 전남의 농경지 확대 예측, 원주와 강릉, 경주, 밀양의 도시 확장 등에서도 확인할 수 있다.From the comparison results of Daejeon, Chungnam, and Jeonbuk, it can be seen that in the urban expansion patterns of Gunsan, Iksan, Jeonju, etc., improved prediction results are calculated by the method according to regional classification. Similar results can be found in the urban area of Boryeong. The method without regional division predicted that the expansion of agricultural land would be concentrated in Seocheon and Gunsan, but the method according to the regional division predicted that the expansion of agricultural land would be relatively small in Gunsan. The difference in the pattern of these prediction results can also be confirmed in the prediction of farmland expansion in Jeonnam, and urban expansion in Wonju and Gangneung, Gyeongju and Miryang.
본 발명의 일 실시예에 따르면, 과거 지형픽셀의 지형 타입 및 지형특성 데이터에 기초하여 지형 타입의 변화를 예측하는 효과를 발휘할 수 있다.According to an embodiment of the present invention, it is possible to achieve an effect of predicting a change in a terrain type based on the terrain type and terrain characteristic data of past terrain pixels.
본 발명의 일 실시예에 따르면, 과거데이터에 기초하여 제1분포함수를 도출하고, 상기 제1분포함수로부터 제2분포함수를 도출할 때, 매개변수를 설정하여 변환함으로써, 예측 모델의 정확성을 높이는 효과를 발휘할 수 있다.According to an embodiment of the present invention, when a first distribution function is derived based on past data and a second distribution function is derived from the first distribution function, a parameter is set and transformed to improve the accuracy of the prediction model. It can exert the effect of raising.
본 발명의 일 실시예에 따르면, 지역 구분에 따라 토지피복 변화를 예측함으로써 더욱 정확한 예측이 가능한 효과를 발휘할 수 있다.According to an embodiment of the present invention, it is possible to achieve a more accurate prediction by predicting changes in land cover according to regional divisions.
본 발명의 일 실시예에 따르면, 해당 지형픽셀의 정보뿐만 아니라, 인접 지형픽셀 분석을 통한 정보를 이용하여 지형 타입의 변화를 예측함으로써, 더욱 정확한 예측이 가능한 효과를 발휘할 수 있다.According to an embodiment of the present invention, by predicting a change in a terrain type using not only information of a corresponding terrain pixel, but also information through analysis of adjacent terrain pixels, it is possible to achieve an effect of enabling more accurate prediction.
본 발명의 실시예에 따른 방법들은 다양한 컴퓨팅 장치를 통하여 수행될 수 있는 프로그램 명령(instruction) 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 특히, 본 실시예에 따른 프로그램은 PC 기반의 프로그램 또는 모바일 단말 전용의 어플리케이션으로 구성될 수 있다. 본 발명이 적용되는 애플리케이션은 파일 배포 시스템이 제공하는 파일을 통해 이용자 단말에 설치될 수 있다. 일 예로, 파일 배포 시스템은 이용자 단말이기의 요청에 따라 상기 파일을 전송하는 파일 전송부(미도시)를 포함할 수 있다.Methods according to an embodiment of the present invention may be implemented in the form of program instructions that can be executed through various computing devices and recorded in a computer-readable medium. In particular, the program according to the present embodiment may be configured as a PC-based program or an application dedicated to a mobile terminal. An application to which the present invention is applied may be installed on a user terminal through a file provided by the file distribution system. For example, the file distribution system may include a file transmission unit (not shown) that transmits the file according to the request of the user terminal.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.The apparatus described above may be implemented as a hardware component, a software component, and/or a combination of a hardware component and a software component. For example, the devices and components described in the embodiments are, for example, a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, a field programmable gate array (FPGA). , A programmable logic unit (PLU), a microprocessor, or any other device capable of executing and responding to instructions, such as one or more general purpose computers or special purpose computers. The processing device may execute an operating system (OS) and one or more software applications executed on the operating system. In addition, the processing device may access, store, manipulate, process, and generate data in response to the execution of software. For the convenience of understanding, although it is sometimes described that one processing device is used, one of ordinary skill in the art, the processing device is a plurality of processing elements and/or a plurality of types of processing elements. It can be seen that it may include. For example, the processing device may include a plurality of processors or one processor and one controller. In addition, other processing configurations are possible, such as a parallel processor.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로 (collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨팅 장치 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.The software may include a computer program, code, instructions, or a combination of one or more of these, configuring the processing unit to operate as desired or processed independently or collectively. You can command the device. Software and/or data may be interpreted by a processing device or to provide instructions or data to a processing device, of any type of machine, component, physical device, virtual equipment, computer storage medium or device. , Or may be permanently or temporarily embodyed in a transmitted signal wave. The software may be distributed over networked computing devices and stored or executed in a distributed manner. Software and data may be stored on one or more computer-readable recording media.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, etc. alone or in combination. The program instructions recorded on the medium may be specially designed and configured for the embodiment, or may be known and usable to those skilled in computer software. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic media such as floptical disks. -A hardware device specially configured to store and execute program instructions such as magneto-optical media, and ROM, RAM, flash memory, and the like. Examples of program instructions include not only machine language codes such as those produced by a compiler but also high-level language codes that can be executed by a computer using an interpreter or the like. The hardware device described above may be configured to operate as one or more software modules to perform the operation of the embodiment, and vice versa.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다. 그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.As described above, although the embodiments have been described by the limited embodiments and drawings, various modifications and variations are possible from the above description by those of ordinary skill in the art. For example, the described techniques are performed in a different order from the described method, and/or components such as a system, structure, device, circuit, etc. described are combined or combined in a form different from the described method, or other components Alternatively, even if substituted or substituted by an equivalent, an appropriate result can be achieved. Therefore, other implementations, other embodiments, and claims and equivalents fall within the scope of the claims to be described later.
Claims (8)
기설정된 크기의 격자로 구분하여 설정한 지형픽셀에 대하여 지형 타입의 변화 및 지형특성에 대한 분포함수를 도출하는 분포함수도출단계;
과거의 지형픽셀의 지형 타입 및 지형특성에 대한 정보를 포함하는 과거데이터에 기초하여 토지피복 변화 유형 별 예측변화량을 도출하는 변화량예측단계; 및
상기 분포함수 및 상기 변화량에 기초하여 토지피복 변화 유형 별 지형 타입의 변화가 발생할 지형픽셀을 도출하여 예측시기에서의 토지피복도를 생성하는 토지피복도예측단계; 를 포함하고,
상기 분포함수도출단계는,
과거의 지형픽셀의 지형 타입 및 지형특성에 대한 정보를 포함하는 과거데이터에 기초하여 토지피복 변화 유형 별 제1분포함수를 도출하는 제1분포함수도출단계; 및
상기 제1분포함수에 대한 정규화 및 단순화를 통해 도출되는 토지피복 변화 유형 별 제2분포함수를 도출하는 제2분포함수도출단계; 를 포함하는, 토지피복 변화 추정 방법.
As a method of estimating land cover change in grid units using the expected value of regional land cover change,
A distribution function deriving step of deriving a distribution function for a change in a terrain type and a terrain characteristic for a terrain pixel set by dividing it into a grid of a preset size;
A change amount prediction step of deriving a predicted change amount for each land cover change type based on past data including information on the terrain type and terrain characteristics of the past terrain pixels; And
A land cover map prediction step of generating a land cover map at the time of prediction by deriving a terrain pixel where a change in a terrain type for each land cover change type will occur based on the distribution function and the change amount; Including,
The step of deriving the distribution function,
A first distribution function deriving step of deriving a first distribution function for each type of land cover change based on past data including information on a terrain type and terrain characteristic of a terrain pixel in the past; And
A second distribution function deriving step of deriving a second distribution function for each type of land cover change derived through normalization and simplification of the first distribution function; Including, land cover change estimation method.
상기 지형픽셀은,
기설정된 기준에 따라 각각 지역으로 구분되고,
상기 변화량예측단계 및 상기 토지피복도예측단계는,
상기 지역 구분에 따라 각각 수행되는, 토지피복 변화 추정 방법.
The method according to claim 1,
The terrain pixel,
Each is divided into regions according to preset standards,
The change amount prediction step and the land cover road prediction step,
A method of estimating changes in land cover, each performed according to the area classification.
상기 제2분포함수도출단계는,
지형특성 값이 최소값일 때의 제1분포함수값 a;
제1분포함수값이 최대값일 때의 지형특성 값 b; 및
제1분포함수값이 최소값일 때의 지형특성 값 c; 세 개의 매개변수에 기초하여 제2분포함수를 도출하는, 토지피복 변화 추정 방법.
The method according to claim 1,
The second distribution function extraction step,
The first distribution function value a when the terrain characteristic value is the minimum value;
A terrain characteristic value b when the first distribution function value is the maximum value; And
Terrain characteristic value when the first distribution function value is the minimum value c; Land cover change estimation method that derives a second distribution function based on three parameters.
상기 변화량예측단계는,
상기 과거데이터에 기초하여 토지피복 변화 유형 별 과거변화량을 도출하는 과거변화량도출단계; 및
상기 과거변화량에 기초하여 변화량추세를 도출하고, 상기 변화량추세에 기초하여 상기 예측시기에서의 예측변화량을 도출하는 예측변화량도출단계; 를 포함하는, 토지피복 변화 추정 방법.
The method according to claim 1,
The change amount prediction step,
A past change amount deriving step of deriving a past change amount for each type of land cover change based on the past data; And
A predicted change amount deriving step of deriving a change amount trend based on the past change amount and deriving a predicted change amount at the prediction time based on the change amount trend; Including, land cover change estimation method.
상기 토지피복도예측단계는,
상기 지형픽셀 각각에 대해 상기 제2분포함수에 기초하여 스코어를 산정하는 픽셀스코어산출단계; 및
상기 스코어 및 상기 예측변화량에 기초하여 지형 타입이 변화 되는 지형픽셀을 도출하는 변화픽셀도출단계; 를 포함하는, 토지피복 변화 추정 방법.
The method according to claim 1
The land cover road prediction step,
A pixel score calculation step of calculating a score for each of the terrain pixels based on the second distribution function; And
A change pixel derivation step of deriving a terrain pixel whose terrain type changes based on the score and the predicted change amount; Including, land cover change estimation method.
상기 픽셀스코어산출단계는,
상기 지형특성 별 제2분포함수값에 가중치를 곱하여 합산한 res값 및 인접 지형픽셀 분석을 통해 도출되는 cc값에 기초하여 스코어를 산정하는, 토지피복 변화 추정 방법.
The method of claim 6,
The pixel score calculation step,
A method of estimating land cover change based on a res value obtained by multiplying the second distribution function value for each terrain feature by a weight and a cc value derived through analysis of adjacent terrain pixels.
상기 변화픽셀도출단계는,
상기 예측변화량에 기초하여 지형 타입의 변화가 발생할 것으로 예측되는 임계값을 도출하는 임계값도출단계; 및
상기 임계값 이상의 스코어를 갖는 지형픽셀을 도출하는 픽셀선정단계; 를 포함하는, 토지피복 변화 추정 방법.
The method of claim 6,
The step of deriving the change pixel,
A threshold value deriving step of deriving a threshold value predicted that a change in a terrain type will occur based on the predicted change amount; And
A pixel selection step of deriving a topographic pixel having a score equal to or greater than the threshold value; Including, land cover change estimation method.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190061964A KR102214360B1 (en) | 2019-05-27 | 2019-05-27 | Land-cover Change prediction Method Using Regional Land-use Change Expected Values |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190061964A KR102214360B1 (en) | 2019-05-27 | 2019-05-27 | Land-cover Change prediction Method Using Regional Land-use Change Expected Values |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200136535A KR20200136535A (en) | 2020-12-08 |
| KR102214360B1 true KR102214360B1 (en) | 2021-02-09 |
Family
ID=73779130
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190061964A KR102214360B1 (en) | 2019-05-27 | 2019-05-27 | Land-cover Change prediction Method Using Regional Land-use Change Expected Values |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102214360B1 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115545334B (en) * | 2022-10-25 | 2024-04-02 | 石河子大学 | Land utilization type prediction method and device, electronic equipment and storage medium |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050063615A (en) * | 2003-12-22 | 2005-06-28 | 재단법인 포항산업과학연구원 | Method for providing surface roughness in geographic information system |
-
2019
- 2019-05-27 KR KR1020190061964A patent/KR102214360B1/en active IP Right Grant
Non-Patent Citations (3)
| Title |
|---|
| CLUE-S 모델과 시계열 Landsat 자료를 이용한 토지피복 변화 예측(2008.3.)* |
| 공간통계기법을 이용한 토지피복변화의 핫스팟 탐지(2011.10.)* |
| 지표변화와 지리공간정보의 연관성 분석을 통한 공주지역 지표환경 변화 분석(2005.6.)* |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20200136535A (en) | 2020-12-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hodges et al. | Wildland fire spread modeling using convolutional neural networks | |
| Clarke et al. | Methods and techniques for rigorous calibration of a cellular automaton model of urban growth | |
| Ntinas et al. | Parallel fuzzy cellular automata for data-driven simulation of wildfire spreading | |
| Feng et al. | Modeling dynamic urban growth using cellular automata and particle swarm optimization rules | |
| Roodposhti et al. | Towards automatic calibration of neighbourhood influence in cellular automata land-use models | |
| Sang et al. | Simulation of land use spatial pattern of towns and villages based on CA–Markov model | |
| Pan et al. | The impact of variation in scale on the behavior of a cellular automata used for land use change modeling | |
| Guan et al. | An artificial-neural-network-based, constrained CA model for simulating urban growth | |
| Saxena et al. | Capturing heterogeneous urban growth using SLEUTH model | |
| CN109840660A (en) | A kind of vehicular characteristics data processing method and vehicle risk prediction model training method | |
| Chen et al. | Future “local climate zone” spatial change simulation in Greater Bay Area under the shared socioeconomic pathways and ecological control line | |
| Peronato et al. | A toolkit for multi-scale mapping of the solar energy-generation potential of buildings in urban environments under uncertainty | |
| CN110346654B (en) | Electromagnetic spectrum map construction method based on common kriging interpolation | |
| CN113222316B (en) | Variation scenario simulation method based on FLUS model and biodiversity model | |
| Clarke et al. | Calibrating SLEUTH with big data: Projecting California's land use to 2100 | |
| CN111553517A (en) | Road optimization method, system, terminal and computer readable storage medium | |
| Yao et al. | Simulating urban growth processes by integrating cellular automata model and artificial optimization in Binhai New Area of Tianjin, China | |
| Xia et al. | Exploring the effects of partitioned transition rules upon urban growth simulation in a megacity region: A comparative study of cellular automata-based models in the Greater Wuhan Area | |
| CN102750732A (en) | Land resource utilization change dynamic prediction model based on GIS (Geographic Information System) and using method of dynamic prediction model | |
| Liang et al. | Modeling urban growth in the middle basin of the Heihe River, northwest China | |
| KR102214360B1 (en) | Land-cover Change prediction Method Using Regional Land-use Change Expected Values | |
| Hu et al. | A novel strategy to assimilate category variables in land-use models based on Dirichlet distribution | |
| CN113515798B (en) | Urban three-dimensional space expansion simulation method and device | |
| CN110222133A (en) | A kind of multiclass land use simulating and predicting method and device considering landscape index | |
| Yue et al. | Simulation and prediction of land use change in Dongguan of China based on ANN cellular automata-Markov chain model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |